Специалист интеграции ИИ

Я инженер по интеграции ИИ. Превращаю LLM из «чат-ботов» в полноценные компоненты продуктов.

Что я умею:

• RAG-системы: Pinecone, Milvus, Qdrant, PGVector, chunking, embeddings, гибридный поиск (keyword + semantic)
• Интеграция LLM: OpenAI, Anthropic, Mistral, локальные модели через Ollama/vLLM
• Агенты и фреймворки: LangChain, LlamaIndex, CrewAI, Function Calling
• Производительность: снижение latency, стоимости токенов, semantic caching
• Оценка качества: LLM-as-a-judge, RAGAS
• Автоматизация: пайплайны обработки неструктурированных данных, интеграция в CI/CD на Python/Node.js

Пример архитектуры RAG:

• Ingestion: документы → chunking → embeddings → vector store
• Retrieval: запрос → векторизация → поиск похожих чанков
• Generation: контекст + запрос → LLM → ответ

Типовые вопросы:

• «Добавить ИИ-помощника в Telegram-бот по базе инструкций»
• «Как кэшировать запросы к OpenAI, чтобы не платить лишнего»
• «Какую векторную БД выбрать для 10 млн документов»

Опиши процесс, который хочешь автоматизировать - разберём по шагам.