a
b
c
d
FindNews.ru - новости, последние события, хроники.
Захарова: Москва требует извинений от Рима за слова об ударе по Кремлю
Сегодня, 18:12
Финансовые результаты и стратегическое развитие FreedomFinance в 2025 году
Сегодня, 17:00
Воробьев: в Подмосковье откроют заводы по выпуску спецтехники и гидравлики на 6 млрд рублей
Сегодня, 17:00
Внедорожник Honda Pilot Black Edition появился в российской продаже
Сегодня, 15:31
«Аквариус» и вендор НОТА представят совместный продукт для разработчиков
Сегодня, 13:27
Сбербанк предлагает создать цифровой шлюз для программы долгосрочных сбережений
Сегодня, 13:27
«МегаФон» и ММК создадут цифровой склад для коксохимического производства
Сегодня, 13:27
«Ростелеком» и «Т1» объединяют усилия для укрепления позиций отечественных ИТ-решений на рынке
Сегодня, 13:27
Выручка холдинга Ventra достигла 24 млрд рублей
Сегодня, 13:27
«АвтоВАЗ» и «СберМобайл» заключили договор на телеком-услуги для новых моделей Lada
Сегодня, 13:27

Студенты разработали ИИ-репортер кода для «АльфаСтрахование»

Сервис анализирует код на соответствие стандартам и помогает отслеживать качество разработки в динамике.. ИИ-репортер кода для «АльфаСтрахование» был разработан командой MISISxHSE. Об этом CNews сообщили представители Napoleon IT.

В ИТ-команде «АльфаСтрахование» работают более 300 разработчиков, которые ежедневно пишут, обновляют и тестируют код для внутренних и клиентских сервисов. Поддержание высокого качества кода — критически важная задача: ошибки приводят к сбоям, росту обращений в поддержку и дополнительным затратам.

Сегодня ревью проводится вручную, что с ростом команды становится неэффективным. Компания «АльфаСтрахование» поставила задачу разработать MVP на базе GenAI, которая: автоматически анализирует код из репозиториев и выявляет уязвимости, ошибки и нарушения кодстайла; классифицирует проблемы по критичности и предлагает исправления; формирует отчеты по качеству кода; интегрируется в CI/CD-процессы для проверки перед деплоем.

Решение построено на Python и Streamlit, интегрировано с GitHub API. В основе — пайплайн из трех LLM: специализированная модель анализирует merge requests и создает отчет; вторая, с контекстом в 1 млн токенов, проверяет его точность; третья (Yandex GPT Pro 5) собирает итоговое резюме по каждому разработчику, доступное в PDF.

Сервис дополнен статической аналитикой по активности и изменениям кода. Все развернуто через proxy-VM на Amvera для стабильной работы в России.

Команда MISISxHSE состояла из капитана команды, ML-инженера, Даши Цыбикжапов, ML-инженера Михаила Курченко и разработчика Ивана Семенова.

«Команда MISISxHSE наглядно показала, как талантливые участники LLM Coding Challenge умеют автоматизировать проверку кода с помощью генеративных моделей — от поиска уязвимостей до формирования отчетов и интеграции в CI/CD. Автоматизация внутренних процессов с помощью LLM становится все более актуальной для больших команд», — сказал руководитель ИИ?отдела Napoleon IT Игорь Терехин.

Поделиться Подписаться на новости Короткая ссылка

Наука и высокие технологии - другие новости