Независимый инженер-программист и консультант
Аудит архитектуры, веб-разработка, миграции CMS и интеграция ИИ.
Открыт к новым проектам — выборочноГданьск, Польша · Europe/Warsaw

Правый клик или Shift+F10 — системное меню
Папки: перетащите или выделите и двигайте стрелками
Для SaaS-команд, внедряющих ИИ в действующий продукт.
Модель внутри существующего процесса — с контрактами и выходом, а не чатбот рядом с продуктом.
Что вы получите
Примеры работы
Synopsys · Оценка LLMОценка и сравнение больших языковых моделейGenie Platforms · AI SDRРазговорный ИИ в виде продакшен-сервисовMindshine · TIVAГолосовой и текстовый поиск по любым даннымПомогаю компаниям интегрировать большие языковые модели и другие возможности ИИ в уже работающее ПО. Основой по-прежнему остаётся детерминированный код. Модель добавляю только там, где неоднозначность задачи оправдывает вероятностный подход с его задержками, затратами и ошибками. Обычно это структурированный вывод, поиск по собственным данным компании, вызов инструментов с проверкой и передача человеку, когда штатный сценарий не срабатывает. Выпускал интерфейсы продуктов на базе ИИ и корпоративную платформу сравнения LLM. Моя работа — подобрать модель под задачу, а не украсить лендинг словом «GPT». Если нужна только обёртка над API чата, я вам не нужен.
Начинаю с процесса, не с модели. Называю вход, нужную форму выхода, цену ошибки и кто отвечает. Проверяю рискованные случаи на вертикальном срезе с представительными данными. Только потом — инструменты, поиск и живой трафик, с предохранителем и человеческим запасным путём. Детерминированная логика остаётся перед всем, что можно выразить правилами.
Пока на эти вопросы нет ответов, включать модель в обработку запросов рано.
Если задачу решает набор правил или форма, не платите за токены. Модели оправдывают себя в классификации, извлечении данных, подготовке черновиков и поиске по неупорядоченному тексту, а не в расчёте налогов.
Неверное резюме — не то же самое, что неверная платёжная инструкция. Дорогие ошибки требуют валидаторов, двойного контроля или человека в контуре. «Промпт получше» это не контроль.
Что может покинуть контур? Клиентский контент, секреты и регулируемые записи часто нельзя отдавать в hosted API. Это решение раньше качества модели.
Если ответ должен быть из вашего корпуса — нужны поиск и цитаты, а не более крупная базовая модель. Дообучение — для стиля и формата задачи, не для фактов, которые меняются каждую неделю.
Продакшен потребляет JSON, вызовы инструментов и записи в базу. Свободный чат — это UI, не интерфейс. Схема, починка и отказ — часть дизайна.
Вызов на 8 секунд и $0.04 в фоновой задаче — другой продукт, чем тот же вызов при загрузке страницы. Измерьте оба, прежде чем брать frontier-модель.
Нужны трассы, набор оценок и хозяин. Промпт в дашборде без тестов — не интеграция.
Если факты живут в документах и системах, которые меняются, — ищите их. Дообучайте, когда нужен устойчивый формат, стиль домена или меньшая модель под задачу — не как база знаний. Многим продуктам не нужно ни то ни другое: схема, хороший промпт и валидатор.
Инженерия обычно — ограниченный разбор плюс срез, затем укрепление продакшена, а не полугодовая «AI-трансформация». Стоимость инференса отдельно и доминирует, если большую модель поставить на горячий путь. Оценю оба; среднюю «по рынку» выдумывать не буду.
В первом письме полезны процесс, цена ошибки и можно ли данным покидать ваш контур.