Trimming the context window without losing the plotКак сжимать контекст агента и не терять нить
Summaries, pinned facts and when to just start over.Саммари, закреплённые факты и когда проще начать заново.
Engineering notesИнженерные заметки
Backend & AI
Backend & AI
engineering. Systems
that just work.Backend и AI-
инженерия. Системы,
которые просто работают.
Notes and experiments around AI agents, LLM integrations, backend services and the infrastructure underneath them — mostly lessons I didn't want to learn twice. Заметки и эксперименты про AI-агентов, интеграции с LLM, backend-сервисы и инфраструктуру под ними — в основном уроки, которые не хочется учить дважды.
What I work onЧем занимаюсь
🤖
Agentic systemsАгентные системы
Multi-agent workflows with tool-use, streaming and careful context-window management.Многошаговые multi-agent сценарии с tool-use, стримингом и аккуратным управлением контекстным окном.
📚
Retrieval & RAGПоиск и RAG
Chunking, embeddings, vector search, LLM re-ranking and caching — measured, not guessed.Чанкинг, эмбеддинги, векторный поиск, LLM-реранкинг и кэширование — с замерами, а не на глаз.
🚨
Ops automationАвтоматизация эксплуатации
Agents that read alerts and logs, reconstruct failure chains and draft a first diagnosis for humans.Агенты, которые читают алерты и логи, восстанавливают цепочку сбоя и готовят первичную диагностику для людей.
⚙️
Backend servicesBackend-сервисы
REST and gRPC microservices, message queues, concurrency limits and predictable deployments.REST и gRPC микросервисы, очереди сообщений, ограничение конкурентности и предсказуемые деплои.
🔭
ObservabilityНаблюдаемость
Tracing LLM calls end to end, metrics and logs that on-call actually reads.Сквозная трассировка LLM-вызовов, метрики и логи, которые дежурные действительно читают.
☸️
InfrastructureИнфраструктура
Containers, Helm charts, CI/CD pipelines and keeping a small VPS fleet boring.Контейнеры, Helm-чарты, CI/CD и парк небольших VPS, который не доставляет хлопот.
Tech stackТехнический стек
AI / LLM
LangChainLangGraphMCPTool-UseMulti-AgentRAGPrompt engineeringПромпт-инжиниринг
Vector DBsВекторные БД
Qdrantpgvector
Python
FastAPIasyncioaiohttpgRPC
.NET
ASP.NET CoregRPCEF Core
Data & messagingДанные и очереди
PostgreSQLMongoDBRedisKafkaRabbitMQOpenSearch
InfrastructureИнфраструктура
KubernetesHelmDockerNginxPrometheusGrafanaLinux
NotesЗаметки
MCP servers in production: what broke firstMCP-серверы в продакшене: что сломалось первым
Timeouts, retries and tools that return too much.Таймауты, ретраи и инструменты, которые возвращают слишком много.
Re-ranking with an LLM: worth the latency?LLM-реранкинг: стоит ли он задержки?
Numbers from a small RAG setup and where caching helped.Цифры с небольшого RAG-стенда и где помогло кэширование.
Kafka consumer lag: what actually helpedЛаг Kafka-консьюмеров: что реально помогло
Partition count, batch size and a lot of patience.Число партиций, размер батча и много терпения.
Self-hosted CI on a budgetСвой CI с минимальным бюджетом
Runners, Docker and one very tired VPS.Раннеры, Docker и один очень уставший VPS.