Ця доповідь демонструє практичні підходи до unified observability, де метрики, логи, траси та профілі інтегровані для швидкої діагностики проблем у розподілених системах. Розглянемо техніки кореляції даних через traceId та лейбли для миттєвого переходу від помилок до конкретних span'ів, налаштування continuous profiling для preview-середовищ, використання flame charts для аналізу продуктивності, dependency maps і service graphs для візуалізації архітектури. Окрема увага приділена AI-специфічним аспектам: застосування AI-асистентів для автоматизації root cause analysis та впровадження AI Evals для систематичного оцінювання якості, коректності та надійності AI-систем.

Ця сесія досліджує еволюцію від простих ланцюжків LLM до надійних когнітивних архітектур, зосереджуючись на розгортанні агентів зі станом у межах власної інфраструктури (On-Premise). Ми порівняємо сучасні фреймворки оркестрації, протиставляючи Google ADK (Agent Development Kit) для структурованого, незалежного від моделі проєктування агентів, LangGraph для детального контролю стану та CrewAI для багатoагентної взаємодії за ролями. Ключовим фокусом стане Model Context Protocol (MCP) — новий стандарт підключення агентів до внутрішніх даних і інструментів без прив’язки до конкретного постачальника. Ми продемонструємо, як побудувати гнучке середовище виконання за допомогою Vercel AI SDK Core (розгорнутого в Docker) для обслуговування таких агентів, забезпечуючи повну незалежність від хмарних провайдерів. На завершення ми розглянемо стек AgentOps, детально пояснивши, як реалізувати self-hosted спостережуваність (через Langfuse) та політики доступу для безпечного керування автономними системами у виробничому середовищі.

Оновлення кор-залежностей часто відкладається роками через страх “зламати все”, і ризик зростає експоненційно. Андрій покаже workflow для стрибка через кілька версій: AI аналізує breaking changes та генерує правила трансформації, AST-інструменти виконують рутину, а технічний борг перетворюється на керований процес.

Коли система складається з десятків незалежних репозиторіїв, класична monorepo не завжди підходить. Дмитро розповість, як meta-repo з git submodules та AI-інструментами дозволяє зберегти автономність сервісів, але працювати з ними як з єдиною екосистемою. Ви побачите реальні сценарії, де AI: • з’єднує код, контракти та документацію • допомагає з автотестами та інтеграціями • спрощує роботу для девелоперів, QA та продукту • пришвидшує прототипування та delivery

Турбо-гайд по найгарячіших оновленнях Chrome DevTools за 2024-2025 роки, які кардинально змінюють підхід до фронтенд-розробки. Ми детально розглянемо інтеграцію штучного інтелекту Gemini, який тепер є вашим особистим супер-аналітиком у Performance Panel. Окрім AI, ми зануримося у посилений аналіз продуктивності, включаючи розширену підтримку Core Web Vitals та калібровані пресети обмеження ЦП, що дозволяють перетворити боротьбу зі "слизьким" LCP на чіткий детективний процес. Окрім хардкорного налагодження, ми охопимо нові можливості для стилізації та зручності, а саме scroll-driven animations та покращеної роботи з CSS Nesting, Autofill та багато інших плюшок. Детально подивимось на MCP, тому що хто не знає, що таке МСР, тому не заплатять в 2026 році.

У технологічних компаніях AI уже виходить за межі тренду та впливає на продукт, інженіринг і щоденні бізнес-процеси. Разом із можливостями з’являються й виклики: робота з чутливими даними, вимоги безпеки та складність інтеграції в існуючі системи. У таких умовах важливо розуміти, де AI справді створює цінність, а де — лише додає шум. Під час дискусії учасники поділяться практичним досвідом: як вони впроваджують AI у продукт, адаптують інженірингові процеси та перебудовують операційку під нові інструменти. Це розмова про реальні болі, можливості та рішення, які допомагають командам рухатися вперед.

Як за лічені години побудувати власне середовище для генеративного ШІ — від ідеї до робочого рішення? Під час виступу команда De Novo поділиться практичним досвідом створення керованого середовища для GenAI, розповість про архітектуру, підхід до безпеки та реальні сценарії використання в українських компаніях.

AI революція в розпалі... це розуміють всі. Але як ефективно використовувати AI? Що, насправді, він дає зараз? Розкажу, чому Temabit рухається в бік побудови AI-assisted SDLC, замість "купіть ліцензію на AI і AI все побудує", як ми бачимо взаємодію людини, AI агентів і різних AI інструментів. Покажу розбудову AI-assisted SDLC на прикладі GitHub Spec Kit, який активно впроваджуємо в різні проекти. Чому говоримо про 10-20-30-40% development boost. Чи це реально? Головне: те, що ми бачимо сьогодні, точно не кінцева точка, все несеться... IT, який ми знали останні 20 років вже мертвий, але що ж приходить натомість? Ось про це і поговоримо на прикладі Temabit. До зустрічі на конференції!

У добу AI код може писати будь-хто — навіть ваш тімлід чи пекар. Але хто подбає про його якість? У цій доповіді ви дізнаєтесь, чому TDD досі критично важливий, як відрізнити хороший тест від поганого, навчити AI писати код правильно з першого разу та чому дисципліна й архітектурне мислення рятують нерви й проєкти.