Данил Бизинин
Senior Fullstack AI Engineer (Python / TypeScript)
6+ лет в энтерпрайз и стартапах: строю ИИ-системы от прототипа до продакшна и fullstack продукты (Polza.ai, Додо, Финам, сотовые операторы).
6+ лет в энтерпрайз и стартапах: строю ИИ-системы от прототипа до продакшна и fullstack продукты (Polza.ai, Додо, Финам, сотовые операторы).
Строю ИИ-системы от прототипа до продакшна: AI агентов, GraphRAG, ИИ пайплайны, LLM-сервисы и мультиагентную оркестрацию. Основной AI стек - Python/FastAPI: LangChain, LangGraph, векторные БД (Qdrant, pgvector), embeddings, chunking, tool/function calling, MCP, память агентов, prompt/context engineering, evaluation агентов, self-hosted инференс моделей (включая fine-tuning).
Fullstack-часть - Next.js и NestJS на TypeScript: фронтенд и бэкенд продуктов, от API до UI. Беру на себя ответственность за все технические аспекты: от проектирования архитектуры до настройки серверов, от аналитики до DevOps. Продуктовый подход: фокус на Time-to-Market и реальных бизнес-показателях. Общаюсь со всей командой, от разработки до стейкхолдеров.
| AI ENGINEERING | AI Agents, Multi-Agent Orchestration, Tool/Function Calling, MCP, Agent Memory, RAG/GraphRAG, Chunking, Embeddings, Vector DBs (Qdrant, pgvector), LangChain/LangGraph, Prompt/Context Engineering, Agent Evaluation (LLM-as-a-Judge, evals), LLM Inference, OpenAI API |
|---|---|
| BACKEND | Python, FastAPI, Node.js/NestJS, TypeScript |
| FRONTEND | React, Next.js, Tailwind, SSR |
| DEVOPS | Docker, Kubernetes, CI/CD, Kafka, Prometheus, Grafana, Linux |
| DESKTOP | Electron, PyQt/PySide, Linux, портирование приложений на Linux, российские ОС (Red OS/Astra Linux) |
| DATABASES | PostgreSQL, MongoDB, Redis, шардирование, репликация, оптимизация |
Единый LLM-агрегатор: AI-пайплайн, агенты
🎯 Ключевые достижения
• Спроектировал и развивал пайплайн обработки LLM-запросов на Python/FastAPI: маршрутизация запросов, оркестрация мультиагентных сценариев, tool/function calling, MCP, долгосрочная память агентов
• Построил RAG/GraphRAG-пайплайны на LangChain/LangGraph: чанкинг, эмбеддинги, гибридный поиск в векторной БД Qdrant, контекст и промпт-инжиниринг для качества ответов
• Внедрил evaluation агентов (LLM-as-a-Judge, регресс-промпты, метрики качества и стоимости) - стабильное качество в production
• Развернул собственный инференс небольших PII-моделей на Python/FastAPI, включая fine-tuning
• Подготовил обширный набор AI скиллов (30+) для всех сфер командной разработки. Таким образом удалось достоверно передать знания от разработчиков к ИИ, кратно увеличить качество ИИ разработки, не жертвуя скоростью, снизить когнитивную нагрузку в процессе управления AI
• Создал единую комплексную fullstack тестовую платформу для всего проекта: бекенд, фронтенд, инфраструктура, позволившую значительно повысить качество ИИ кода и стабилизировать состояние продакшна
• В одиночку - с помощью AI агентов - разработал множество фич, среднее время на полный цикл разработки и релиза fullstack фичи 2-5 дней
📋 Обязанности
• Оркестрация и масштабирование AI-агентов, контроль качества (evaluation), разработка harness и автоматизаций
• Интеграция с различными сторонними AI сервисами по низкоуровневым протоколам, таким как OpenAI API
• Разработка и поддержание высоконагруженного пайплайна обработки ИИ запросов, системы биллинга и аналитики
• Контроль качества автоматизированной ИИ разработки: автоматизированное тестирование, ручной мониторинг, ИИ агенты для smoke тестирования, CI/CD, E2E тесты
💻 Стек: Python, FastAPI, LangChain, LangGraph, RAG/GraphRAG, Qdrant, embeddings, AI Agents, tool calling, MCP, OpenAI API, Node.js, TypeScript, React, NestJS, Next.js, PostgreSQL, Kafka, Docker, GitLab CI/CD, Yandex Cloud
Внутренняя ERP система учета для фудтех бизнеса
🎯 Ключевые достижения
• SLA 99.9%: Спроектировал архитектуру с нуля, настроил мониторинг (Grafana + Prometheus) и вместе с командой добился целевых показателей доступности
• Ускорение разработки на 50%: Внедрил AI-инструменты (Cursor, MCP, агенты) в процессы CI/CD и написание кода
• Оптимизация Time-to-Market: Заменил разработку кастомных react админок на Redash/Google Sheets, сократив внедрение аналитических фич с нескольких спринтов до 3 дней
📋 Обязанности
• Внедрение и поддержка AI-инструментов для ускорения процессов, создание RAG-пайплайна базы знаний для разработчиков (Dify, Qdrant): чанкинг, эмбеддинги, векторный поиск по документации из Atlassian и Mastodon
• Переход от монолита к микрофронтендам (React, NextJS), что позволило распараллелить работу команд.
💻 NextJS 15, React 18, Node.js (NestJS), TypeScript, Kafka, K8s, PostgreSQL, MongoDB, Redis, Qdrant, AI Agents, Claude Code, RAG
Подробнее в портфолио:
Enterprise ERP для Додо с внедрением AI и SLA 99.9% ↗
Real-time система мониторинга показателей сотовой сети
🎯 Ключевые достижения
• Запустил систему с нуля до продакшна за 3 месяца (один разработчик + AI-инструменты)
• Масштабировал на сотни устройств по всей России с готовностью к тысячам
• Внедрил комплексное E2E тестирование по методике BDD - ручное тестирование исключено на 100%
📋 Обязанности
• Работа над фронтендом, бекендом и DevOps
💻 Стек: NestJS, Kafka, Next.js, микросервисы, Docker, Kubernetes, PostgreSQL, TestContainers, Playwright, BDD тестирование
Подробнее в портфолио:
Real-time мониторинг сотовой сети: от идеи до продакшна за 3 месяца ↗
Документооборот и оцифровка первичной документации
🎯 Ключевые достижения
• Обеспечил вместе с командой x10 рост пропускной способности (до 100k документов в сутки) через шардирование PostgreSQL и распил монолита на микросервисы
• Снизил операционные расходы на ручной ввод данных на 30%, разработав ML-сервис распознавания первичной документации (Python) с точностью 90%
💻 Стек: React 18, Node.js, TypeScript, Python (ML), PostgreSQL, RabbitMQ, Docker
Автоматизация и мобильные приложения для ресторанов
💻 Стек: JavaScript, React Native, Node.js