Engineering the Agentic Stack
En orden. Empieza por el bucle.
Sistemas de AI en producción · Berlín
Construyo sistemas de AI que mejoran a partir de la evidencia
Diseño sistemas de AI en producción que abarcan ingeniería de software, agentes, evaluación, retrieval, seguridad e infraestructura, y convierto trazas y fallos en experimentos controlados, versiones fiables y comportamientos más seguros.
Automatiza el experimento, no la autoridad para declararlo seguro.
- Staff AI System Engineersoftware · agentes · evaluación · seguridad
- Más de 11 añosAI y software en producción
- Doctoradodiagnóstico con AI · equivalente a PhD
- Código abiertosistemas reproducibles
Series de artículos
Building and Evaluating Agent Harnesses
Construye el harness y mide cada cambio.
Meta-Engineering AI Systems
De trazas de fallos a cambios probados.
Otros temas
Agentes de IA 17 Ingeniería de modelos 9 Infraestructura de IA 6 Sistemas de recuperación y lenguaje 4 Herramientas de desarrollo 8
Lo más leído
- Sistemas de recuperación y lenguaje Guía de NER 2026: GLiNER, spaCy, Transformers y LLMs 51 min
- Sistemas de recuperación y lenguaje OCR en 2026: pipelines clásicos, VLMs y Document AI 27 min
- Sistemas de recuperación y lenguaje Métricas de evaluación de RAG: recuperación, reranking y generación 56 min
- Ingeniería de modelos Guía de fine-tuning de LLM: cuándo hacerlo, LoRA y QLoRA 35 min
Últimos artículos
Todos los artículos →- Agente o flujo de trabajo: cinco diseños para un asistente de soporte 25 min
Las mismas tareas de soporte como un agente, un agente con aprobación, un agente dentro de un flujo de trabajo, un router y un flujo de trabajo sin agente, comparados con un mismo conjunto de pruebas.
- Diseñar un harness de agente: de la tarea a la arquitectura 31 min
Cómo los requisitos de la tarea dan forma a un harness de agente: elegir el flujo de control, las herramientas, la ejecución de código, el estado, los permisos y la evidencia antes de elegir un framework.
- Meta-engineering de sistemas de AI: de las trazas a una memoria mejor 21 min
Convierte una respuesta errónea de la herramienta de memoria de un agente en una mejora probada y comprueba después si un script sencillo habría encontrado la misma corrección sin un LLM.
Acerca de
Los sistemas que rodean al modelo son el producto.
Soy Slava Dubrov, Staff AI System Engineer con un doctorado en diagnóstico con AI. Trabajo en ingeniería de software, sistemas de agentes, evaluación, retrieval, seguridad e infraestructura de producción.