AI/LLM Engineer / AI Agent Engineer

На данный момент AI/LLM Engineer (Agent Systems, LLMOps).

Мои компетенции и опыт

AI/LLM Engineer / AI Agent Engineer. Разрабатываю прикладные LLM-системы: агентные среды, tool calling, RAG/поиск, интеграции моделей, API и обработку документов. Основной язык — Python; Go и TypeScript использую в отдельных сервисах. Работаю с надёжным выполнением задач, восстановлением состояния, тестами и проверкой результата. Рассматриваю удалённую работу из России.

КОММЕРЧЕСКАЯ РАЗРАБОТКА • Май 2026 — настоящее время

AI/LLM Engineer (Agent Systems, LLMOps) — продуктовая AI-платформа, контрактная разработка.

• Развиваю компоненты коммерческой AI-платформы на Python, Go и TypeScript: агентные задачи, LLM-интеграции, инструменты, веб-исследования и обработку документов.

• В агентном runtime работаю с многошаговым планированием, tool calling, состоянием задачи и продолжением после сбоев. Реализую типизированные операции, проверку результата, изолированное исполнение и пользовательское подтверждение действий.

• Для Python/FastAPI-сервисов обработки документов реализовывал фоновые задания, SSE-прогресс, отмену, проверку схем и корректирующие повторы. Интегрировал OCR и работу с изображениями, проверку готовых DOCX/XLSX/PPTX/PDF перед выдачей.

• Интегрировал облачные и self-hosted LLM: выбор провайдера, streaming, отмену, обработку ошибок, fallback с учётом возможностей моделей. Проверял tool calling и документные сценарии, в том числе с Gemma.

• Разработал сервис веб-поиска и исследований на Go: загрузка страниц, извлечение текста, браузерный fallback, кеширование и фоновые задания. Добавил ограничения на число запросов/страниц, сбор проверяемых источников и цитирование.

• Участвовал в интеграции RAG: embeddings, Qdrant, reranking, подготовка контекста из документов и веб-источников, передача и маршрутизация RAG-контекста.

• Разрабатывал терминальный клиент на TypeScript: PTY, потоковое отображение, MCP-инструменты, SQLite-состояние и восстановление прогонов, интеграции памяти и каталог навыков.

• Добавлял API-/интеграционные проверки, контроль артефактов, health/readiness, диагностику по логам и метрикам.

Технологии по компонентам: Python, FastAPI, Pydantic, Go, TypeScript, LLM API, MCP, RAG, Qdrant, SSE, WebSocket, gRPC/Protobuf, NATS JetStream, PostgreSQL, MongoDB, Redis, SQLite, Docker, Linux, Prometheus, OpenTelemetry, vLLM-интерфейсы.

СОБСТВЕННЫЕ И ПРОЕКТНЫЕ РАЗРАБОТКИ • Январь 2023 — май 2026

AI Systems Engineer — личные AI-продукты, инструменты и отдельные Python-заказы.

Персональная агентная система с памятью и голосовыми интерфейсами:

• Спроектировал среду для Telegram, Web и Mini App на TypeScript/Go, обмен через NATS JetStream и gRPC; общая история диалогов, настройки и выбор моделей.

• Разработал agent runtime с режимами Plan, Research и Roles: многошаговые задачи, MCP/tool calling, навыки и маршрутизация моделей по поддерживаемым возможностям.

• Реализовал управляемый запуск инструментов: разрешения, подтверждения, host-executor, Docker sandbox, отмена и освобождение ресурсов. Фиксация результата не позволяет вслепую повторять действие с неизвестным исходом.

• Сделал долговременную историю и файлы с архивированием, резервным копированием и восстановлением. На интеграционном стенде протестировал архивирование и чтение более 1 млн событий; на другом стенде — потоковую передачу файла 1 ГиБ с проверкой хеша и частичным чтением.

• Разделил хранилище фактов и поиск контекста: SQLite FactStore с происхождением фактов, локальные embeddings, sqlite-vec и FTS/BM25. Добавил локальные и облачные STT/TTS, голосовые сценарии.

QA Vibe — платформа браузерного тестирования с AI-помощником:

• Создал каталог сценариев, очередь запусков, REST/SSE API и веб-панель с историей, логами, видео и trace.

• Реализовал генерацию/исправление сценариев агентом с обязательным успешным dry-run, отмену, восстановление прогонов, диагностику по результатам исполнения.

• Использовал QA Vibe для E2E-проверок действующего AI-продукта: Web/Admin, Telegram Mini App, авторизация, файлы, LLM/RAG.

Python API и инструменты:

• Разработал FastAPI-сервис маршрутизации запросов между Dialog, Coder и Crypto Analyst (native function calling, внешние данные, React UI, Docker sandbox).

• В экспериментальном проекте проверял Tree of Thoughts, параллельных субагентов, статическую проверку кода и SSE-streaming. Отдельно экспериментировал с графами агентов на LangGraph — не заявляю коммерческий production-опыт LangGraph.

• Разработал CLI для безопасного чтения и редактирования Jupyter Notebook: поиск по ячейкам, изменение, diff и валидация JSON без внешних Python-зависимостей.

• По заказу создал Flask-приложение технологических карт с обработкой OCR-данных, расчётом пищевой ценности и Excel-отчётами; подготовил каталог из более 530 рецептур.

АВТОМАТИЗАЦИЯ УЧЁТА • Январь 2019 — январь 2022

Разработчик автоматизации (Python).

• Автоматизировал обработку табелей, нарядов и учётных данных более чем по 800 сотрудникам.

• Заменил ручную обработку Excel на Python, pandas, openpyxl и Excel/VBA. В рамках этой задачи сократил подготовку отчётности примерно с 8 часов до 45 минут.

КЛЮЧЕВОЙ СТЕК

Python, FastAPI, TypeScript, Go, LLM, API integrations, LLM orchestration, multi-agent systems, MCP, tool calling, structured outputs, RAG, embeddings, Qdrant, vector databases, reranking, agent memory, context management, LangGraph (эксперименты), Docker, PostgreSQL, SQL, CI/CD, unit/integration/E2E tests, browser automation, OCR, multimodal AI, vLLM-интерфейсы.

ДОПОЛНИТЕЛЬНО

Русский — родной, английский — A2. Образование — среднее (как указано в резюме). Готов к редким командировкам. Использую AI-инструменты разработки, но итоговые изменения проверяю по коду, контрактам и тестам. Портфолио и код: нужен доступ к резюме