EngineeringSTRONGWorkshop
AI w produkcji: od proof-of-concept do 3am pager duty
Różnica między demo AI a systemem produkcyjnym to przepaść którą widać dopiero w nocy, gdy model zaczyna halucynować w critical path. Lekcja pokazuje konkretne wzorce reliability engineering dla AI: jak monitorować hallucinations w runtime, jak budować fallbacki, kiedy kill switche ratują biznes, oraz jak ustawić alerty żeby spać spokojnie.
81STRONG
HN29 dni do wygaśnięcia30–40 min + 20 min Q&A
Angle
Live deployment reliability audit: rozbieramy 3 publiczne przypadki AI production failures (ChatGPT outage patterns, Anthropic rate limits, hallucination cascades w customer-facing botach). Pokazujemy konkretne narzędzia (Langfuse monitoring, custom evals jako health checks, circuit breakers w LangChain) i budujemy checklist pre-production dla AI feature. Demo: dodajemy observability layer do prostego RAG endpointa.
Deliverable
AI Production Readiness Checklist: 25-punktowy scoring sheet (monitoring, fallbacks, cost controls, compliance) + template observability config (Langfuse/Helicone) + circuit breaker code snippets dla Pythona i TypeScript.
Wymagane
doświadczenie z deploymentem backendupodstawy API designznajomość podstaw LLM API (OpenAI/Anthropic)
Prep / freshness
18h·90d window