Closed-Loop AI Engineering
Превращать трейсы и сбои в ограниченные эксперименты, независимую оценку и решения о выпуске, основанные на доказательствах.
AI-системы для production · Берлин
Автоматический перевод Эта статья была автоматически переведена с оригинальной английской версии.
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.
Проблема production
Production-агенты ломаются на стыках памяти, retrieval, инструментов, прав доступа, оценки и контроля релизов. Улучшение одной метрики не является прогрессом, если оно ухудшает надёжность, безопасность или стоимость.
Превращать трейсы и сбои в ограниченные эксперименты, независимую оценку и решения о выпуске, основанные на доказательствах.
До релиза проверять, к каким действиям можно склонить агента, и держать политики вне оптимизатора.
Проектировать память, retrieval, инструменты, harness, runtime и observability как одну управляемую систему.
Рабочий цикл
Агентные системы
Архитектура из шести частей: reasoning, память, инструменты, безопасность, runtime и harness вокруг модели.
Оценка
Превращение трейсов в регрессионные наборы и связь с запускаемым RAG-evaluation harness с чёткими границами применимости.
Retrieval и язык
Практические руководства по ранжированию, пониманию документов, структурированному извлечению и объединяющим их системам.
Обо мне
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.
Подробнее о моей работе →Продолжить
Изучите инженерные работы, запустите открытые артефакты или продолжите чтение материалов о системах.