📕 Создаём AI-агента прямо в браузере, добавляем в умную колонку новые команды и знакомимся с работой ML-специалистов в Yandex Cloud. Об этом и не только — в новом дайджесте Yandex for Developers

🚕 Куда сходить

🔴 25 июля — Product : Fest. Главный фестиваль Яндекса для продактов уже сегодня! Подключайтесь онлайн: разберём реальные кейсы, сверим подходы, обменяемся опытом и обсудим, как AI меняет нашу работу. Смотрите на сайте, ютубе и в VK Видео

🔴 28 июля — мастерская «Диапазон». Это образовательная программа Яндекса для тимлидов, которые хотят масштабировать влияние через репутацию как управляемую систему, расширить взаимодействие внутри компаний и команд

🌎 Что случилось

🔴 Обсудили, как создать AI-агента прямо в браузере. Андрей Мелихов, ведущий фронтенд-разработчик из Yandex Cloud, рассказал, как он создал и развивает браузерный AI-агент в DataLens. Смотрите запись на ютубе, а главные тезисы мы разобрали в карточках

🔴 Нейросеть кратно ускоряет анализ воды из Байкала. Система экологического мониторинга работает на мощностях Yandex Cloud, обрабатывает пробы с помощью CV и значительно экономит время учёных. А подробнее о том, как устроена модель, рассказали здесь

📖 Что почитать

🔴 Добавить в умную колонку новые команды и ничего не сломать. Для этого мы провели целое исследование и использовали модель Parameter-Efficient Fine-Tuning. А статью со всеми деталями ресёрча даже приняли на конфу Interspeech 2026

🔴 Знакомимся с работой ML-специалистов в Yandex Cloud. Рассказали, как рождаются модели в сервисе, как мы подготавливаем данные для обучения, выбираем лучшие варианты и готовим итоговые решения к проду

🔴 Как AI меняет багбаунти-программы. Возможно, багхантерам придётся оставлять депозиты для отчётов: поток сгенерированных репортов сильно нагружает инженеров, а сырые агенты всё чаще ломают прод сервисов

📺 Что посмотреть

🔴 Внедряем AI в инженерные команды. Артур Василов, руководитель мобильной разработки в Яндекс Браузере, рассказал, как выстроить этот процесс, организовать среду для экспериментов и измерять успех. Смотрите на ютубе и в VK Видео

🔴 Доклады с Я.Субботника по JVM-языкам. Обсудили Java Time Puzzlers, параллельность на корутинах в бэкенде Spring и GraphQL-Java, трассирующие Qubership Profiler и ускорение фреймворков с build-time. Смотрите на ютубе и в VK Видео

🔴 Настоящее и будущее RecSys. Даня Бурлаков, руководитель группы рекомендательных продуктов в Яндексе, рассказывает, как индустрия RecSys изменилась за последние годы и что ждёт её в будущем

Подписывайтесь:
💬 @Yandex4Developers

⚡️ Успейте зарегистрироваться на Back to Back

Уже в эту субботу, 1 августа, состоится Back to Back — новая бэкенд-конференция Яндекса. Она пройдёт сразу в трёх городах — Москве, Белграде и Ереване. Присоединиться можно как офлайн, так и онлайн.

Немного о программе:

📍 Москва

Савва Лебедев из Positive Technologies расскажет, как команда добавляла поддержку LuaJIT в eBPF-профилировщик Perforator. Даниил Подольский из YADRO разберёт аутентификации в гетерогенных системах, а Антон Пионтковский из Yandex Cloud объяснит, что делать, когда данные отсортированы не так, как ожидает запрос.

📍 Белград

Душан Йованович из Inceptive разберёт возможности статической рефлексии в C++26, а Александр Зайцев, зависимый от PGO эксперт, поделится опытом использования Profile-Guided Optimization и расскажет, как получить от неё реальный прирост производительности.

📍 Ереван

Брюс Момджиан, один из самых известных евангелистов PostgreSQL в мире, выступит с докладом про WAL. А Монс Андерсон из Exness расскажет о современных подходах к генерации распределённых идентификаторов для масштабных систем.

⏩️ Выбирайте площадку и регистрируйтесь. Вас ждут доклады про бэкенд, производительность, распределённые системы и современный C++.

💓 До встречи на Back to Back!

Подписывайтесь:
💬 @Yandex4Developers

📕 Я перепоручил ведение базы знаний AI-агенту — расскажу как

Привет, это Толя Панов, CTO Яндекс Карт. Я довольно давно веду базу знаний в Obsidian и, как любой уважающий себя «хомяк», накопил запас необработанных материалов. Это репосты и ссылки из любимых каналов в телеграме, ссылки в to-do-листе и рекомендации книг, которые некогда разобрать.

💡 Основная идея проста: перепоручить ведение базы знаний AI-агенту. Чтобы суммаризацией, систематизацией и построением связей занималась машина. В результате получится та самая LLM Wiki с источниками.

➕ Как выглядит структура базы знаний?

🔴 Папка inbox со всеми исходными материалами. Телеграм-бот копирует сюда посты, web clipper — тексты статей, а PDF с white papers я кладу руками

🔴 Папка AI workspace для самой Wiki. Только в ней агенту разрешено делать изменения. Такое ограничение даёт спокойствие, что остальная часть базы будет не тронута массовыми правками и галлюцинациями

Потом я создал три новых навыка AI-агента. И выложил их на GitHub:

🔴 compile — обрабатывает заметки из inbox по моим правилам ведения базы и обновляет AI Wiki

🔴 vault-health-check — быстрая проверка. Чинит сломанные ссылки, заметки без ссылок, устаревшие заметки, незакоммиченные изменения. Полезно запускать после ручных правок

🔴 deep-audit — глубокий аудит заметок: структура, связи, валидность утверждений и ссылок на источники

➕ Как с этим работать?

Я прошу агента искать ответы в первую очередь в базе. И при необходимости собирать ответ в новую заметку. Например, спрашиваю: «Какие есть лучшие практики использования AI при разработке ПО?» Получаю суммаризацию статей и собранные вместе мысли из evergreen notes. Такой конспект можно быстро прочитать и провалиться глубже по ссылкам. Если информации в базе не хватило, прошу собрать дополнительные материалы и ссылки из моих источников. Сохраняю, компилирую, уточняю. И так по кругу 🙂

➕ Что получилось в результате?

🔴 Я обработал весь накопившийся за годы текстовый бэклог, свыше 250 источников

🔴 Разобрался в темах, до которых не доходили руки: geospatial AI, тренды по AI в разработке, паттерны агентных систем

🔴 База стала не просто архивом ссылок, а рабочим инструментом. Теперь не нужно вспоминать, где именно видел нужную мысль. Достаточно задать вопрос агенту и провалиться в источники

В итоге мне зашло. Я наконец-то разгрёб старые запасы ссылок, оставленных на потом, и создал процесс, в котором база знаний не просто копится, а сама помогает думать. Промпты, формат заметок и audit-сценарии я ещё дорабатываю. Но направление выглядит очень перспективным.

Подписывайтесь:
💬 @Yandex4Developers

📕 Автоматизируем базу знаний с AI, строим новое облако для умных устройств Яндекса и запускаем платформу плагинов в Трекере. Об этом и не только — в новом дайджесте Yandex for Developers

🚕 Куда сходить

🔴 13 августа — ML Global Recap’H1 2026 в Москве и онлайн. Поговорим о главных инсайтах про AI и ML с мировых конференций за последние полгода. Обсудим тренды в ризонинге, челленджи в RL-инфраструктуре и многое другое

🔴 14, 21, 28 августа — «Лайнап Y&&Y»: три вечера в Яндексе. Проведём ярмарку вакансий, понетворкаемся сообществом Y&&Y и отметим выпускной Летних школ и кампуса ML-академии. Регистрируйтесь, знакомьтесь с коллегами и зовите друзей, которые тоже хотят вкатиться в IT

🔴 24 сентября — Yandex Scale в Москве и онлайн. Это флагманская технологическая конференция Yandex Cloud. В программе четыре тематических трека: AI, Hybrid Infrastructure & DevOps, Data и Security (а ещё направление DeepTech для тех, кто подключится онлайн)

🌎 Что случилось

🔴 Яндекс запускает программу 75/75/75. К концу 2026 года не менее 75% разработчиков будут использовать AI для написания кода, на уровне компании AI будет участвовать в подготовке не менее 75% изменений, а в каждом из них — генерировать не менее 75% кода

📖 Что почитать

🔴 Как мы описали 15 000 таблиц за полгода вместо 500 за год. Для этого собрали скрипт на Python, который с помощью API Датакаталога, LLM-моделей, баз данных YT и Memgraph собирает описания из разных источников и автоматизирует документацию

🔴 Новое облако для умных устройств Яндекса. Внутри: комиссионинг без хаба, один канал вместо зоопарка соединений, однопоточная модель исполнения и дисциплина переподключений на плохой сети

🔴 Как мы построили платформу плагинов в Трекере. Рассказали, почему мы на это решились, как гарантировали безопасность кода через iframe и настроили весь инструментарий с низким порогом входа и DevExp

🔴 Разбираем залежи ссылок в базе знаний и строим LLM Wiki. Толя Панов, CTO Яндекс Карт, рассказал, как научить AI-агента вести базу знаний, чтобы суммаризацией, систематизацией и построением связей занималась машина

🔴 Старый сервис в новой реальности. Разобрали, как изменился mirror.yandex.ru под капотом: почему мы перешли с rsync на rclone, как мы превратили серверы в LXD-гипервизоры и где нам помогли нейросети

📺 Что посмотреть

🔴 Как аналитики драйвят бизнес. В новом выпуске «Доверительного интервала» обсудили аналитику эффективности и партнёрскую аналитику: чем различаются подходы и как они влияют на P&L компании. Смотрите на ютубе и в VK Видео, слушайте в Яндекс Музыке

🔴 Доклады с Product : Fest. Спикеры разобрали, как AI изменил продуктовую работу внутри Яндекса, что делает SuperApp по-настоящему супер и многое другое. Смотрите плейлисты с записями на ютубе и в VK Видео

Подписывайтесь:
💬 @Yandex4Developers

🥹 Как выжать из железа максимум: эволюция инференса в Алисе

Привет, меня зовут Витя Хаймоненко, я разработчик в команде голосовой активации Алисы. Сегодня я расскажу, как мы прошли путь от инференса на чистом C корутинами до современных движков и квантизованных моделей — и какой инженерный опыт из этого вынесли.

🅰️ Железо фиксировано, а модели растут

На колонке одновременно крутится несколько нейросетей:

🔴 Активационные модели, которые реагируют на слова «Алиса» или «Яндекс»

🔴 Командные споттеры — модели, которые поддерживают набор популярных команд, например, для управления музыкой или умным домом

🔴 Интонационные споттеры, которые делают общение с ассистентом более естественным и понимают, когда вы обращаетесь к колонке без слова «Алиса»

Все они работают в реальном времени и должны укладываться в жёсткие лимиты по latency, CPU и RAM. Докинуть ресурсы на устройство нельзя, поэтому единственный путь — оптимизация инференса.

🅰️ Как ситуация обстояла раньше

В 2014 году не было ни готовых инференс-фреймворков, ни повсеместной поддержки C++ на чипах. Мы писали на чистом C, а пайплайн описывали корутинами. Композиция получалась гибкой, но за это мы расплачивались накладными расходами на переключение контекстов и динамическими аллокациями памяти на каждом шаге.

Уже тогда появились оптимизации, которые живут до сих пор. Во-первых, батчинг: вместо обработки одного фрейма звука за раз мы ждём, пока накопится батч из нескольких фреймов, и обрабатываем их разом. Это позволяет эффективно использовать SIMD-инструкции процессора и даёт серьёзный выигрыш по скорости, жертвуя лишь примерно полусотней миллисекунд latency.

Во-вторых, стриминг: мы не пересчитываем целиком всё «окно» заново, а только обновляем его с приходом новых фреймов. Для матричных умножений использовали одну из реализаций BLAS, которая отлично утилизирует кеш процессора.

🅰️ Переезд на C++ и библиотеки инференса

С появлением нормальной поддержки C++ на чипах мы стали переписывать рантайм. На смену корутинам пришла наша внутренняя библиотека YNMT, изначально сделанная для моделей перевода. Она представляет модель как статический вычислительный граф, из-за чего отпала необходимость в корутинах. А потом, когда YNMT стала уступать по скорости опенсорсному TFLite, мы переехали на него. Он поддерживает встроенные оптимизации под разные архитектуры чипов.

🅰️ Два захода в квантизацию

Первый подход был простым и безопасным: мы сжимали веса модели с FP32 до INT8, но перед вычислением разжимали их обратно. Затем научились квантовать и активации. Теперь мы на лету сжимаем вход до INT8, перемножаем матрицы в INT16 и деквантизуем выход. Выигрываем и по памяти, и по скорости за счёт более быстрых целочисленных SIMD-инструкций.

🅰️ Ещё одна инфраструктурная оптимизация — мультиспоттер

Раньше каждая модель тащила за собой свои буфера и предобработку звука, что вело к дублированию вычислений. Теперь общая часть вынесена в отдельную сущность, и все модели пользуются ею совместно.

🅰️ Главные уроки

Не стоит бояться использовать опенсорс-решения и адаптировать их под своё железо. Мы взяли стандартную реализацию свёртки в TFLite, переработали её под конкретный чип и получили огромный прирост производительности. К тому же у опенсорсных подходов есть неплохой плюс: зачастую они поддерживаются широким сообществом.

Сейчас мы в процессе миграции на TFLite, готовимся использовать встроенную квантизацию вместо ручной и продолжаем пилить кастомные операции. Всё это позволяет делать колонки умнее и при этом сохранять доступность для пользователей.

⏩️ А больше технических деталей можно узнать в полной записи доклада с Я.Железо. Смотрите на ютубе и в VK Видео.

Подписывайтесь:
💬 @Yandex4Developers

📕 Разбираемся, как устроен прайсинг Яндекс Go, рассказываем про графовую foundation-модель, которая взяла Best Paper Award на воркшопе ICML, и изучаем опыт инженеров Яндекса в новом дайджесте Yandex for Developers

🚕 Куда сходить

🔴 22 августа — Welcome Times для аналитиков в Москве. На встрече вы познакомитесь с ребятами из команд Яндекс Поиска и Независимого Ecom, узнаете больше об их проектах и пройдёте диагностику навыков. Кстати, результаты диагностики действуют два года и могут заменить один из этапов собеседования в Яндекс.

🌎 Что случилось

🔴 ИИ в Яндексе: главное за июль. Рассказали, как ИИ помогает забронировать столик в ресторане, приглядывать за домашними животными и найти репетитора для школьника.

🔴 ICML: итоги и победы Яндекса. Команда Yandex Research представила графовую foundation-модель GraphPFN, а работа получила Best Paper Award на тематическом воркшопе.

🔴 Новости Yandex Cloud за июль. Международная сертификация ISO/IEC 42001 для Alice AI, новые сертификаты ГОСТ и лидерские позиции на рынке IaaS по надёжности и технологичности.

📖 Что почитать

🔴 Как мы вынесли алгоритм ценообразования из кода Яндекс Go. Объяснили, почему не взяли готовый скриптовый язык, что такое цепочка преобразований цены и зачем нам понадобился формальный верификатор.

🔴 Как подготовиться к собеседованию. Старший аналитик-разработчик Сослан Табуев собрал пять советов, которые помогут чувствовать себя увереннее на интервью и лучше понять ожидания собеседующего.

🔴 Главные итоги ICRA 2026. Команда автономного транспорта Яндекса поделилась ключевыми темами ICRA — одной из крупнейших конференций по робототехнике. Среди них — Reinforcement Learning, генерация редких edge-кейсов и другие направления, которые сегодня определяют развитие робототехники.

🔴 Как мы проапгрейдили робота-доставщика. Руководитель службы системной разработки в Автономном транспорте и роботах рассказал, почему модель R4 пришлось основательно пересобрать и как это помогло сделать роботов умнее, дешевле и проще в масштабировании.

🔴 Как выжать из железа максимум: эволюция инференса в Алисе. Виктор Хаймоненко рассказывает, как команда прошла путь от инференса на чистом C и пайплайна на корутинах до современных движков и квантизованных моделей.

📺 Что посмотреть

🔴 1×1 с Димой Александровым на ютубе и в VK Видео. Что Дима понял о яндексоидах за годы работы в компании, как устроена внутренняя ротация, каково управлять большой командой и почему автомобили стали для него больше чем хобби.

Подписывайтесь:
💬 @Yandex4Developers