Engineering the Agentic Stack
По порядку. Начните с цикла.
AI-системы для production · Берлин
Создавать AI-системы, которые улучшаются на основе доказательств
Я проектирую production AI-системы на стыке разработки ПО, агентов, оценки, retrieval, безопасности и инфраструктуры—и превращаю трейсы и сбои в контролируемые эксперименты, надёжные релизы и более безопасное поведение.
Моя серия Recursive Harness Engineering исследует рекурсивное улучшение: один харнесс агента улучшает другой, а тесты и человек решают, что попадёт в релиз.
Автоматизируйте эксперимент, но не право объявить его безопасным.
- Staff AI System Engineerразработка · агенты · оценка · безопасность
- 11+ летproduction AI и разработка ПО
- Докторская степеньAI-диагностика · эквивалент PhD
- Open sourceвоспроизводимые системы
Серии статей
Building and Evaluating Agent Harnesses
Сначала харнесс, затем замер каждого изменения.
Recursive Harness Engineering
Контролируемое рекурсивное улучшение: один харнесс улучшает другой.
Другие темы
ИИ-агенты 17 Инженерия моделей 9 ИИ-инфраструктура 6 Поисковые и языковые системы 4 Инструменты разработчика 8
Самое читаемое
- Поисковые и языковые системы Руководство по NER 2026: GLiNER, spaCy, Transformers и LLM 40 мин
- Поисковые и языковые системы OCR в 2026 году: классические пайплайны, VLM и Document AI 21 мин
- Поисковые и языковые системы Метрики оценки RAG: retrieval, реранкинг, генерация 43 мин
- Инженерия моделей Руководство по файн-тюнингу LLM: когда он нужен, LoRA и QLoRA 27 мин
Новые статьи
Все статьи →- Агент или воркфлоу: пять вариантов одного ассистента поддержки 19 мин
Одни и те же задачи поддержки, решённые агентом, агентом с одобрением, агентом внутри воркфлоу, роутером и воркфлоу без агента, и сравнение на одном наборе тестов.
- Проектирование харнесса агента: от задачи к архитектуре 25 мин
Как требования задачи определяют харнесс агента: выбор потока управления, инструментов, выполнения кода, состояния, разрешений и доказательств до выбора фреймворка.
- Рекурсивный харнесс-инжиниринг: от трейсов к улучшению памяти 18 мин
Рекурсивный харнесс-инжиниринг в небольшом цикле: LLM превращает неверный ответ инструмента памяти в проверенное исправление, а скрипт проверяет, нужен ли LLM.
Обо мне
Системы вокруг модели и есть продукт.
Я Слава Дубров, Staff AI System Engineer с докторской степенью в области AI-диагностики. Я работаю на стыке разработки ПО, агентных систем, оценки, retrieval, безопасности и production-инфраструктуры.