AI-Systeme für den Produktionseinsatz · Berlin

AI-Systeme entwickeln, die sich durch Evidenz verbessern

Ich entwerfe produktionsreife AI-Systeme an der Schnittstelle von Software Engineering, Agents, Evaluation, Retrieval, Sicherheit und Infrastruktur – und überführe Traces und Fehler in kontrollierte Experimente, zuverlässige Releases und sichereres Verhalten.

Meine Serie Recursive Harness Engineering beginnt mit den Grundlagen: einen Harness bauen, sein Verhalten unabhängig evaluieren und Änderungen testen. Spätere Kapitel werden die Suche nach Verbesserungen automatisieren und untersuchen, ob Erfahrungen aus früheren Runden bei neuen Aufgaben helfen.

Automatisiere das Experiment, nicht die Befugnis, es für sicher zu erklären.

Edge of Context lesen Labs ausprobieren

Byte, der Biber von Edge of Context

Artikelserien

Nach Thema

Meistgelesen

  1. Retrieval- und Sprachsysteme NER-Leitfaden 2026: GLiNER, spaCy, Transformers und LLMs 42 Min.
  2. Retrieval- und Sprachsysteme OCR im Jahr 2026: Klassische Pipelines, VLMs und Document AI 22 Min.
  3. Retrieval- und Sprachsysteme Metriken für RAG: Retrieval, Reranking, Generation 45 Min.
  4. Modellentwicklung LLM Fine-Tuning Guide: Wann Fine-Tuning, LoRA und QLoRA 28 Min.

Neueste Artikel

Alle Artikel →
  1. Agent oder Workflow: fünf Designs für einen Support-Assistenten 23 Min. Recursive Harness Engineering · Teil 3 von 3

    Dieselben Support-Aufgaben als Agent, als Agent mit Freigabe, als Agent in einem Workflow, als Router und als Workflow ohne Agent, verglichen auf einem Testset.

  2. Einen Agent-Harness entwerfen: von der Aufgabe zur Architektur 29 Min. Recursive Harness Engineering · Teil 2 von 3

    Wie die Anforderungen einer Aufgabe einen Agent-Harness formen: Ablaufsteuerung, Tools, Codeausführung, State, Berechtigungen und Nachweise festlegen, bevor man ein Framework wählt.

  3. Recursive Harness Engineering: von Traces zu besserem Gedächtnis 20 Min. Recursive Harness Engineering · Teil 1 von 3

    Ein Prolog zum rekursiven Harness Engineering: sequenzielle Änderungen eines LLM an einem Speicherwerkzeug testen und mit einfacher Suche vergleichen.

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.