AI Engineer (LLM, агентные системы, RAG)

На данный момент AI Engineer.

Мои компетенции и опыт

AI-инженер с 3 годами опыта в AI/ML, специализируюсь на прикладных LLM-системах: агентные системы, интеллектуальные ассистенты, RAG. Реализую проекты end-to-end — от архитектуры и прототипа до production-развёртывания, observability и оценки качества; крупнейшая система в эксплуатации — агент первой линии поддержки, нужен доступ к резюме вопросов в месяц. Работаю в парадигме AI-driven development: проектирую архитектуру, декомпозирую задачи и контролирую качество кода AI-агентов. Опыт backend-разработки и DevOps. Автор технических докладов нужен доступ к резюме + просмотров) и статей, open-source контрибьютор.

ОПЫТ РАБОТЫ

AI Engineer — нужен доступ к резюме (заказная разработка AI-решений для бизнеса) · Август 2024 — Июль 2026

• Агент-консультант по 1С — спроектировал и разработал с нуля как единственный инженер проекта мультиагентную систему консультаций по 1С:УНФ (LangGraph) для интегратора 1С «Айтон»; довёл до автономной работы первой линией поддержки клиентов: 100 организаций, 700 пользователей, нужен доступ к резюме вопросов в месяц.

— Спроектировал архитектуру: ReAct-агент с RAG (гибридный поиск BM25 + E5, reranking), мультимодальностью и субагентом веб-поиска для верификации фактов; уточнение неоднозначных запросов и распознавание вопросов о несуществующей функциональности вместо галлюцинаций.

— Развил систему от прототипа (PoC) на линейном RAG до автономного агента: прирост answer correctness на 5–10 п.п. на сквозном датасете из 120 вопросов; итоговая система прошла внутренний тест допуска консультантов заказчика с результатом 90%.

— Выстроил observability и оценку качества (Langfuse, RAGAS, LLM-as-judge): answer correctness 87%, faithfulness 92% на датасетах из 130 кейсов; непрерывное улучшение на обратной связи пользователей.

— За счёт context engineering сократил потребление контекста на 59%; стоимость сессий — на 17%.

— Подготовил систему к промышленной эксплуатации: защита от prompt-injection, биллинг по организациям, FAQ-контур; деплой — Docker, Terraform, Ansible, GitHub Actions.

• Банковский агент — агентная система для российского банка: консультации и выполнение банковских операций (переводы СБП, открытие вкладов), интеграция в банковскую систему через MCP (Model Context Protocol); разработал агентную и backend-часть.

— Построил контур безопасности: подтверждение критичных операций пользователем (HITL, Human-In-The-Loop), многоуровневая защита от prompt-injection с LLM-классификатором, маскирование чувствительных данных; rejection accuracy 100% на нерелевантных запросах.

— Выстроил оценку качества агента на собственных eval-датасетах, включая кастомизацию метрик tool calling поверх RAGAS: tool call accuracy 94%.

— Провёл нагрузочное тестирование on-premise LLM-инференса (vLLM): за счёт continuous batching увеличил суммарную пропускную способность в 4 раза на 8 параллельных пользователях.

• ИИ-ассистент редактора ( нужен доступ к резюме ) — спроектировал и реализовал систему подготовки новостных материалов (LangGraph): сократил время подготовки материала с 4 часов до 40 минут; uniqueness 87%, coverage инфоповодов 91% (LLM-as-judge).

• ИИ-продавец — спроектировал и разработал диалогового ИИ-ассистента, ведущего продажи по методике SPIN в Telegram: конверсия в целевое действие 25% (70 диалогов за первый месяц эксплуатации).

• RAG-бот для абитуриентов ЛЭТИ — спроектировал и разработал Advanced RAG-систему поиска по правилам приёма и образовательным программам (Haystack, гибридный поиск, reranking): answer correctness 85% (датасет 250 вопросов).

ML Engineer — СПб ГУП «СПб ИАЦ» · Июнь 2023 — Август 2024

• Распознавание рукописных текстов — выполнил полный цикл ML-проекта: разметка 1000+ изображений и подготовка датасета (COCO Annotator), fine-tuning CV/NLP моделей (Mask R-CNN, BiLSTM), точность распознавания повышена с 54% до 87%.

ХАКАТОНЫ

— Победитель (СЗФО) «Цифровой прорыв: сезон ИИ» — QnA-бот для РЖД (RAG/LLM), 2024

— Призёр, 3 место (Международный) «Цифровой прорыв: сезон ИИ» — MediaWise, поиск по библиотеке знаний (RAG/LLM), 2024

— Призёр, 3 место — LLM Coding Challenge, сервис структурирования сообщений агрономов (LLM), 2025

ПРОЕКТЫ И ПУБЛИКАЦИИ

— Stack Overflow for Agents — статья на Хабре: нужен доступ к резюме

— LearnFlow-AI — open-source система на базе LLM для подготовки персонализированных учебных материалов: нужен доступ к резюме

— Технические доклады по LLM: нужен доступ к резюме

КУРСЫ: Deep Learning School — диплом с отличием, 1-й семестр, 2024

ОБРАЗОВАНИЕ: ГУАП (Санкт-Петербург) — специалитет, «Информационная безопасность автоматизированных систем», 2022 — наст. время

Языки: русский — родной · английский — B1

GitHub: нужен доступ к резюме · Telegram: нужен доступ к резюме