Перейти к содержанию

Роль и обязанности

Роль

System Designer, AI-assisted Prototype Engineer.

Это работа по архитектуре прототипа: перевод enterprise AI-идеи в ограниченный лабораторный стенд, а не ownership production-архитектуры.

Зона ответственности

  • перевод продуктовой идеи в архитектурную модель прототипа;
  • формулировка концепта контролируемого цикла работы с LLM;
  • выбор временного стека для лаборатории PoC;
  • проектирование синтетического датасета;
  • проектирование прототипного playbook / diagnostic-path подхода;
  • проектирование модели контролируемого доступа к инструментам (см. Безопасность и модель доступа);
  • реализация и развитие начального концепта Tool Registry (см. Архитектура);
  • подготовка синтетических enterprise demo-данных (см. Доменная модель);
  • развитие подхода evidence и прозрачности (см. Интеграционные принципы);
  • настройка Open WebUI как временного chat-like интерфейса (см. Компромиссы);
  • фиксация ограничений, включая отсутствие рабочего multi-turn цикла сессии;
  • описание будущего направления к отчётам, карточкам сигналов, evidence view и backend-native orchestration. Эти пункты не были реализованы.

Выполненные работы

  • спроектировал архитектуру прототипа: chat-like harness, экспериментальный execution flow, концепт маршрутизации диагностических путей, слой инструментов, слой синтетических данных, направление document evidence и execution trace;
  • построил лабораторный FastAPI + LangGraph runtime для экспериментальных single-request диагностических flow;
  • зафиксировал принцип: LLM не обращается напрямую к PostgreSQL, Qdrant или MinIO;
  • реализовал / заложил контролируемый запуск инструментов через FastAPI tool-server;
  • подготовил синтетический датасет для fashion/retail/manufacturing-компании;
  • расширил датасет в сторону кросс-доменной диагностики: finance, delivery, ITSM, PMO, meetings, documents;
  • зафиксировал целевое направление, не выдавая его за уже доставленный scope.

Применение ИИ

Проект разрабатывался с использованием AI-assisted prototyping.

LLM использовались для ускорения:

  • генерации черновиков кода;
  • подготовки synthetic data;
  • подготовки промптов и логики процессов;
  • анализа вариантов архитектуры;
  • подготовки документации;
  • генерации черновиков тестовых сценариев.

Ключевые решения оставались под ручным контролем:

  • архитектурные границы;
  • модель доступа к данным;
  • выбор лабораторного и целевого runtime;
  • требования к проверяемости;
  • структура синтетического датасета;
  • смысл диагностических путей;
  • ограничения PoC;
  • ревью результата;
  • позиционирование проекта.