AI Engineer

О СЕБЕ
Junior AI Engineer с фокусом на RAG-системы и агентные пайплайны. Реализовал 4 production-ready проекта. Уверенно работаю с Qdrant, embedding-моделями, Pydantic v2 для structured output, агентными паттернами (LLM-as-judge, model cascade, iterative refinement). Отраслевая экспертиза в нефтегазе - преимущество для промышленных AI-проектов.
КЛЮЧЕВЫЕ ПРОЕКТЫ
Custom MCP-сервер на Python (FastMCP) github.com/FizziksRU/oilgas-rag-mcp
С нуля написал MCP-сервер на Python 3.13 + FastMCP с инструментом search_oilgas_docs(query, top_k) — подключается к Claude Desktop через stdio-транспорт и JSON-RPC
Реализовал embedding запроса через polza.ai API, retrieval из Qdrant, форматирование результатов с metadata, graceful error handling и логирование в stderr
Освоил архитектуру MCP (host / client / server) — актуальный AI-протокол, который Anthropic зарелизил в конце 2024
Стек: Python 3.13, FastMCP, qdrant-client, httpx, python-dotenv, Claude Desktop
RAG-бот по нефтегазовой документации github.com/FizziksRU/n8n-ai-projects
Спроектировал и реализовал полный RAG-пайплайн: Qwen3-Embedding-8B (4096 dim) векторизует запрос → Qdrant Cloud (cosine, top-5 retrieval) → Claude отвечает строго из контекста базы
Итеративно оптимизировал чанкинг: с 1000/200 до 2500/800 (Recursive Character Splitter) — заметно снизил галлюцинации и фрагментированность ответов, понимаю trade-off между гранулярностью retrieval и связностью контекста
Оркестрация в n8n: Telegram trigger → embedding → vector search → LLM с anti-hallucination system prompt → ответ в Telegram
Стек: n8n, Qdrant Cloud, Qwen3-Embedding-8B, Claude (Anthropic), Telegram Bot API
Мульти-агентная система code-review github.com/FizziksRU/n8n-ai-projects
Построил агентный пайплайн: декомпозиция задачи → LLM-1 генерирует код → LLM-2 ревьюит → LLM-3 (LLM-as-judge) выносит вердикт → при необходимости итерация до 3 раз с model diversity, понимаю архитектурные trade-offs (model cascade, parallel vs sequential agents, latency vs quality)
Реализовал паттерны из Anthropic «Building Effective Agents»: evaluator-optimizer, iterative refinement, self-healing retry на парсере тегов, graceful fallback. Использовал 4 разных LLM-провайдера в одном пайплайне с осознанным выбором моделей по соотношению цена/качество
Стек: n8n, Gemini 2.5 Flash Lite, MiniMax M2.5, Claude Haiku 4.5, GPT-5-mini, Telegram Bot API
AI-дайджест нефтегазового рынка (автоматический Telegram-канал) github.com/FizziksRU/n8n-ai-projects
Спроектировал систему оркестрации: hourly trigger → 3 параллельных потока (RSS + Flask backends с pandas/matplotlib) → fan-in через Merge → двухуровневый LLM-pipeline (Gemini-суммаризатор + Gemini-аналитик) → публикация. Observability через Google Sheets.
Стек: n8n, Flask, pandas, matplotlib, numpy, Gemini 2.5 Flash Lite, Telegram Bot API, Google Sheets API, PythonAnywhere
ТЕХНИЧЕСКИЙ СТЕК
AI / LLM: Claude (Anthropic), GPT-5 / GPT-5-mini, Gemini 2.5, MiniMax M2.5, Qwen3-Embedding-8B; промпт-инжиниринг (системные и ролевые промпты, structured output, cost-aware model selection); агентные паттерны: tool calling, evaluator-optimizer, model cascade, iterative refinement, LLM-as-judge
RAG / Vector DB / MCP: Qdrant Cloud (коллекции, cosine distance, top-k retrieval), Recursive Character Text Splitter, понимание sparse vs dense retrieval; Model Context Protocol — собственный сервер на FastMCP, stdio / HTTP-SSE, JSON-RPC
Python: ООП, обработка исключений, Pydantic v2, декораторы, контекстные менеджеры, async/await через httpx (MCP-сервер), pandas (rolling, pct_change, std), matplotlib (BytesIO), Flask (REST API)
Automation / Backend: n8n — 4+ production воркфлоу (AI Agent ноды, LangChain Embeddings/Vector Stores, Memory с custom session keys, Loop Over Items, Schedule/Telegram triggers, JS Code nodes); Telegram Bot API; Google Sheets API
AI-assisted разработка: Claude Code и Claude (web/desktop) — ежедневный инструмент для проектирования архитектуры, написания и ревью кода