Closed-Loop AI Engineering
Transformer traces et échecs en expériences délimitées, évaluations indépendantes et décisions de promotion fondées sur des preuves.
Systèmes d’AI en production · Berlin
Construire des systèmes d’IA qui s’améliorent grâce aux preuves
Traduction automatique Cette page a été traduite automatiquement depuis la version originale en anglais.
Je conçois des systèmes d’IA en production à l’intersection de l’ingénierie logicielle, des agents, de l’évaluation, du retrieval, de la sécurité et de l’infrastructure — en transformant les traces et les échecs en expériences contrôlées, en mises en production fiables et en comportements plus sûrs.
- Staff AI System Engineerlogiciel · agents · évaluation · sécurité
- Plus de 11 ansAI et logiciel en production
- Doctoratdiagnostic par AI · équivalent PhD
- Open sourcesystèmes reproductibles
Le problème de la production
La démo n’est pas la partie difficile.
Les agents en production échouent aux jonctions entre mémoire, retrieval, outils, permissions, évaluation et contrôle des versions. Améliorer un score n’est pas un progrès si le changement dégrade la fiabilité, la sécurité ou le coût.
Trois piliers d’ingénierie reliés
Un système gouvernéAssurance et sécurité des agents
Tester avant la mise en production ce qu’un agent peut être manipulé à faire, et maintenir les politiques hors de l’optimiseur.
Systèmes d’agents en production
Concevoir mémoire, retrieval, outils, harnesses, runtimes et observabilité comme un seul système gouverné.
La boucle opérationnelle
Automatisez l’expérience, pas l’autorité qui la déclare sûre.
- Observer
- Diagnostiquer
- Proposer
- Expérimenter
- Évaluer
- Contester
- Promouvoir
- Apprendre
Systèmes, expériences et preuves
Voir tous les travaux →Systèmes d’agents
Engineering the Agentic Stack
Une architecture en six parties couvrant raisonnement, mémoire, outils, sécurité, runtime et le harness autour du modèle.
Évaluation
Évaluer les agents d’AI en production
Transformer les traces en suites de régression et les relier à un harness exécutable d’évaluation RAG aux affirmations délimitées.
Retrieval et langage
Recherche, OCR et NER
Guides pratiques sur le ranking, la compréhension documentaire, l’extraction structurée et les systèmes qui les relient.
À propos
Les systèmes autour du modèle sont le produit.
Je suis Slava Dubrov, Staff AI System Engineer, titulaire d’un doctorat en diagnostic par AI. Je travaille sur l’ingénierie logicielle, les systèmes d’agents, l’évaluation, le retrieval, la sécurité et l’infrastructure de production.
En savoir plus sur mon travail →Poursuivre l’exploration
Suivez les preuves derrière les idées.
Lisez les travaux d’ingénierie, exécutez les artefacts publics ou poursuivez avec les textes qui expliquent les systèmes.