Closed-Loop AI Engineering
Traces und Fehler in begrenzte Experimente, unabhängige Evaluation und evidenzbasierte Freigabeentscheidungen überführen.
AI-Systeme für den Produktionseinsatz · Berlin
AI-Systeme entwickeln, die sich durch Evidenz verbessern
Automatische Übersetzung Dieser Artikel wurde automatisch aus der englischen Originalversion übersetzt.
Ich entwerfe produktionsreife AI-Systeme an der Schnittstelle von Software Engineering, Agenten, Evaluation, Retrieval, Sicherheit und Infrastruktur—und überführe Traces und Fehler in kontrollierte Experimente, zuverlässige Releases und sichereres Verhalten.
- Staff AI System EngineerSoftware · Agenten · Evaluation · Sicherheit
- 11+ JahreAI und Software in Produktion
- DoktorgradAI-Diagnostik · PhD-äquivalent
- Open Sourcereproduzierbare Systeme
Das Produktionsproblem
Die Demo ist nicht der schwierige Teil.
Produktionsagenten scheitern an den Übergängen zwischen Memory, Retrieval, Tools, Berechtigungen, Evaluation und Release-Kontrolle. Ein besserer Einzelwert ist kein Fortschritt, wenn die Änderung Zuverlässigkeit, Sicherheit oder Kosten verschlechtert.
Drei verbundene Engineering-Säulen
Ein gesteuertes SystemAgent Assurance & Sicherheit
Vor dem Release testen, wozu sich ein Agent manipulieren lässt—und Richtlinien außerhalb des Optimierers halten.
Produktionsreife Agentensysteme
Memory, Retrieval, Tools, Harnesses, Runtimes und Observability als ein gesteuertes System entwerfen.
Der Betriebszyklus
Automatisiere das Experiment, nicht die Befugnis, es für sicher zu erklären.
- Beobachten
- Diagnostizieren
- Vorschlagen
- Experimentieren
- Evaluieren
- Prüfen
- Freigeben
- Lernen
Systeme, Experimente und Evidenz
Alle Arbeiten ansehen →Agentensysteme
Engineering the Agentic Stack
Eine sechsteilige Architektur zu Reasoning, Memory, Tools, Sicherheit, Runtime und dem Harness rund um das Modell.
Evaluation
AI-Agenten in Produktion evaluieren
Traces in Regressionstests überführen und mit einem ausführbaren RAG-Evaluations-Harness mit klaren Grenzen verbinden.
Retrieval & Sprache
Suche, OCR und NER
Praxisleitfäden für Ranking, Dokumentenverständnis, strukturierte Extraktion und die verbindenden Systeme.
Über mich
Die Systeme rund um das Modell sind das Produkt.
Ich bin Slava Dubrov, Staff AI System Engineer mit einem Doktorgrad in AI-Diagnostik. Ich arbeite an Software Engineering, Agentensystemen, Evaluation, Retrieval, Sicherheit und Produktionsinfrastruktur.
Mehr über meine Arbeit →Weiter erkunden
Folge den Belegen hinter den Ideen.
Lies die Engineering-Arbeiten, führe die öffentlichen Artefakte aus oder vertiefe dich in die Texte hinter den Systemen.