Профиль и предложение

Вова Захаров · Фракционный, hands-on CTO для AI-native разработки

Профиль

158 дней, 250 000 строк TypeScript вместе с тестами, ничего из этого не написано руками, до 20 одновременно работающих агентов и деплой в продакшн каждые 2,4 дня — на живом продукте, который всё это время оставался в эксплуатации у своих пользователей. Инженерная платформа, которую я для этого построил, пережила моё участие: сегодня на ней работают три инженера, и она переезжает в их новые проекты закоммиченным бойлерплейтом.

С 2020 года большая часть моей работы связана с LLM и генерацией изображений, до этого много лет были эксперименты с меньшими нейросетями. Это значит, что я не покупаю и не продаю баззворды, понимаю вещи на уровень или два глубже большинства, и у меня развита интуиция относительно того, что модели могут и что они не могут. Я веду поставку — агентов, конвейер, через который они выпускают код, и передачу платформы инженерам, которые её подхватывают, — в масштабе основателя и небольшой команды, через саму работу, а не через оргструктуру.

Что я предлагаю

Форматы работы

  • Идея → продакшн: ваша идея в руках реальных пользователей за один-два месяца, собранная так, как её потом придётся поддерживать, а не как демо на выброс.
  • Архитектура и фундамент: спроектированная система и поставленный фундамент — выбранные фреймворк и платформа, структура и её конвенции — для команды, которая будет писать фичи сама.
  • Ваша команда на агентских рельсах: архитектура, поэтапный конвейер и гейт перед пушем, которые позволяют толпе агентов писать код, не расшатывая структуру, — настраиваю на вашей кодовой базе и передаю как закоммиченную процедуру, а не как совет. Такая передача уже состоялась однажды, и принявшие платформу инженеры унесли её в собственные проекты.
  • Спасение и диагностика: прототип, который навайбкодили в тупик, и агент, который делает не то, что вы ожидали, — обычно это одна и та же покупка.
  • Постоянное техническое суждение: build-vs-buy и прямой ответ на вопрос, чего модели всё ещё не умеют.

Инженерная система

  • Feature-sliced-архитектура, закреплённая линтерами, чтобы толпа одновременно работающих агентов не расшатала структуру.
  • Поэтапный конвейер — план, реализация, ревью, финализация — каждый этап отдельной сессией, с проверяемыми артефактами между ними.
  • Гигиена веток, удерживаемая внутри сессии: гейт параллельных проверок перед каждым пушем, включая продакшн-сборку, чтобы ни один агент не занёс в main код, который её ломает.
  • CI/CD под ваши процессы — деплой каждого коммита из main, релизные циклы через staging или релизные поезда.

ИИ-экспертиза

Я склоняюсь к более «экономной» парадигме использования ИИ: меньшие промпты, внимательное отношение к ограничениям контекста и никаких надежд, что модель, которой скормили всё, разберётся сама. Моя экспертиза предшествует хайп-циклу ChatGPT, что означает, что я понимаю не только API, но и паттерны и ограничения под ними — а именно там живёт большинство трудных задач.

Стиль работы

Hands-on здесь и есть суть: я задаю направление и пишу правила, по которым идёт работа, а потом остаюсь в коде — проверяю то, что выпускают агенты, чиню то, что ловит гейт, и решаю, что строить дальше. Дайте мне вектор, и я буду отвечать за результат так, будто компания моя.

Передача — часть работы, а не её конец: процедура живёт в репозитории, где её найдёт следующий инженер, а в Playgram я по ходу дела менторил двух разработчиков.

Читать разбор (англ.)Читать разбор (англ.): vovazakharov.com/case-studies/playgram