Lokale Modelle und Agenten
Ich konzipiere Umgebungen für die Arbeit mit Code: Modell-Runtimes, Werkzeuge, Grenzen für Änderungen und Ergebnisprüfung.
KI im Produkt.Von der Idee zum Release.
Ich konzipiere KI-Funktionen und verbinde Modelle mit Daten und Arbeitsabläufen. Anforderungen, UX, Integrationen und Release-Qualität liegen in meiner Verantwortung. Maksym hat den KI-Berater innerhalb eines Tages in diese Portfolio-Website integriert.
Beispiele ansehen01 / Kompetenz
Was ich mit KI umsetze
Assistenten mit Wissensbasis
Ich verknüpfe Antworten mit der Projektdokumentation und konfiguriere Suche, Kontext, Sprache, Persona und Verhalten.
Support-Automatisierung
Ich verbinde LLMs, externe APIs und Datenbanken für mehrstufige Anfragen, Profilprüfung, Tickets und Feedback.
02 / Projekte
Wo es umgesetzt wurde
LOCAL / CODING AGENT
- Relevanten Code finden
- Gezielt ändern
- Ergebnis prüfen
Qwen · PHP / Python · Docker
INTERNES ENGINEERING-PROJEKT
Lokaler KI-Coding-Agent
Eine Umgebung für PHP- und Python-Repositories. Ich konzipierte Architektur, Werkzeugintegration, Bearbeitungsregeln, Prüfungen und Modell-Routing.
- interne Szenarien mit PASS
- 7
- größerer getesteter Kontext
- 4,91×
Interne Tests · 13.–14. September 2026
Fallstudie, Demo und MessungenSUPPORT / AI ASSISTANT
- Sperre / Einspruch
- Technisches Problem
- Spieler melden
- Kauf
FAQ → Support-Anfrage → Ticket
RAG / FAQ / SUPPORT WORKFLOWS
KI-Assistent für den Support
Antworten aus der Wissensbasis, mehrstufige Anfragen, Steam-Profilprüfung und Ticketerstellung über das bestehende Discord-Support-Modul.
- Python-Module im KI-Subsystem
- 11
- Antwortsprachen: RU / UA / EN
- 3
6.1K+ Zeilen Python · Snapshot des KI-Subsystems
Kommerzielles AI RAG · X-BOT-FallstudieAufbau des KI-SubsystemsSuche, Daten, Verhalten und Betrieb
Mehrstufige Support-Abläufe
Vier Abläufe: Einsprüche gegen Sperren, technische Probleme, Spielermeldungen und Käufe. Absichtserkennung, Feldextraktion, Gesprächszustand über mehrere Nachrichten und Ticketerstellung.
Sprachen und Verhalten
Erkennung von RU/UA/EN und erneute Generierung bei falscher Antwortsprache. Systemanweisungen, Ton, Grenzen und Kontextregeln steuern das Verhalten des Assistenten.
FAQ und Feedback
SQLite speichert Serverkonfiguration und statische FAQ; MySQL dynamische FAQ und Feedback. Schema- und Indexerstellung, Nutzungszähler, Aufwertung durch Reaktionen und Kennzeichnung zur manuellen Prüfung.
Suche und Quellenbezug
Suchschwellen, top-K, Kontextlimits, Aufteilung der Dokumentation und Quellen-Tags. Ein Groundedness-Score prüft Quellen-IDs und lexikalische Übereinstimmung zwischen Antwort und gefundenem Kontext.
Steam-Profilprüfung
Profilsuche, Auflösung von SteamID64 und Vanity-URL sowie Bestätigung durch den Nutzer. Strukturierte Profildaten werden vor der Ticketerstellung in den Support-Ablauf übernommen.
Konfiguration und Betrieb
Kanal, Trainer-Rolle, System-Prompt und MySQL pro Server. FAQ-CRUD/Reset, Datenbank-Verbindungstests, Connection Pooling, Cache-Invalidierung und Runtime-Status.
03 / Prozess
So führe ich Aufgaben zum Release
KI unterstützt die Umsetzung. Produktlogik, UX-Entscheidungen und die Abnahme des Ergebnisses bleiben in meiner Verantwortung.
Aufgabe und UX
Prioritäten, Nutzerabläufe, Einschränkungen, Grenzfälle und Abnahmekriterien definieren.
Umsetzung
Aufgaben für Coding Agents definieren; Änderungen laufen über GitHub/PR mit automatisierten Checks.
Prüfung
Eigene GitHub Actions Runner führen Unit-/Integrations-, SQL- und Browser-Tests aus. Agents nutzen CI-Logs für Korrekturen und neue Läufe; übrige Szenarien prüfe ich separat.
Release
Umgebung, Deployment und Rollback-Bereitschaft prüfen. Das Ergebnis anhand der Fertigstellungskriterien abnehmen.
Fertig bedeutet geprüft
Die Release-Abnahme umfasst Funktionen, Grenzfälle und Regressionen. Bei KI werden zusätzlich Sprache, Quellen, Verhaltensgrenzen und Support-Abläufe geprüft.
PRODUKTERFAHRUNG UND TECHNISCHE TIEFE