Сейчас я Senior AI Engineer у биотех-клиента из США: собираем мультиагентные системы для автоматизации научных исследовательских процессов. День за днём: пишу спецификации, ревьюю вывод агентов, проектирую evals, делаю кастомные MCP-серверы.
Оркестрирую coding-агентов (Claude Code на Opus) как слой реализации; отвечаю за архитектуру, методологию и качество. Двадцать лет production-опыта уходят в дизайн спецификаций.
Строю
- Мультиагентные паттерны оркестрации для исследовательских процессов: planner с типизированной декомпозицией подзадач, executor-агенты, выполняющие tool calls через MCP.
- Фреймворк оценки качества: публичные agent benchmarks плюс holdout-набор сценариев, который агенты не видят во время разработки.
- Этот сайт, открыто. Исходники на GitHub. Собран через оркестрацию coding-агентов: каждую строку кода ревьюю, очень мало строк набираю руками.
Читаю
- Последние статьи Anthropic про возможности агентов и evals.
- Designing Data-Intensive Applications (Kleppmann) — перечитываю главы про consistency и consensus, держа в голове состояние мультиагентных систем.
Думаю о
- Когда разработка через спецификации масштабируется за пределы одного агента: координационная стоимость между спецификациями, дедупликация guardrails, паттерны наследования спецификаций.
- Какая единица тестирования правильна для агента: набор сценариев, property test или и то и другое на разных слоях.
Открыт к
- Разговорам с фаундерами и CTO, которые внедряют AI в продакшен и хотят вторую пару глаз на архитектуре.
- Длинному консалтингу, где задача — спроектировать то, что должно быть построено, а не печатать строки в файл.
- Ролям senior AI-инженера, старшего разработчика или AI-архитектора в компаниях, где инженерное качество воспринимают всерьёз и «ship it» — это вторая фраза, а не первая.