Максим Н.
AI Tech Lead — агентная разработка для enterprise-экосистем

Полное резюме: https://maxlekot.ru/resume-ai-native/
Альтернативная упаковка (1С-руководитель): https://maxlekot.ru/resume/
Email: kotvomne@ya.ru
Telegram: https://t.me/lekottt
GitHub: https://github.com/lekot
Ожидаемый доход: от 450 000 ₽
Формат: только удалённо

Целевая роль
AI Tech Lead / руководитель направления AI-инструментов разработки — архитектура, команда, инженерные стандарты, контролируемое внедрение с измеримым качеством.

Коротко
16 лет enterprise-инженерии (ERP/1С, интеграции, регулируемые отрасли) × production-практика AI (агентные системы, RAG, интерпретируемость LLM). Строю конвейеры разработки, в которых AI-агенты пишут и проверяют код, а инженерные стандарты и приёмка удерживают качество. Специализация — перенос агентной разработки в контуры, где цена ошибки высока: регламенты, приёмка, измеримое качество вместо «вайб-кодинга».

Цифры
16 лет enterprise-разработки · команды до 15 человек · 10+ CI/CD-конвейеров с нуля · Agent API на 60 runtime-команд · 40+ звёзд, 25 релизов флагманского open-source-проекта · собственная LLM на 50M параметров, обученная с нуля

AI-инженерия — открытые артефакты (github.com/lekot)
CDT 41 — VS Code-платформа для 1С (MIT, 40+ ★, 25 релизов). Реверс закрытого протокола отладчика (RDBG) и собственный debug adapter (DAP), дерево и визуальные редакторы метаданных, Agent API на 60 runtime-команд — LLM-агент управляет метаданными, формами и отладкой без человека за рулём IDE. https://github.com/lekot/VScodePluginFor1CDev
RAG-Platform — Pipeline-as-a-Service для документов (open-core, AGPL-3.0). No-code лаборатория чанкеров, эмбеддеров, реранкеров и LLM; eval-loop для измеримого качества ответов; multi-tenancy, RBAC, Helm-чарт — разворачивается в контуре заказчика. https://github.com/lekot/rag-p
llm-latent-language — интерпретируемость LLM (MIT). Извлечение концептов до их вербализации, steering со знаковыми контролями и provenance-протоколом. Результат: причинная управляемость составных концептов эмерджентна по масштабу (возникает между 3B и 7B) — воспроизводимые эксперименты в репозитории. https://github.com/lekot/llm-latent-language
Ежедневная практика агентной разработки. Фазовый конвейер research → design → plan → code → test → review → quality gate; мультиагентная координация через файловую шину; собственная 50M-модель, обученная с нуля (токенайзер, корпус-пайплайн, eval) как стенд для архитектурных экспериментов.

Enterprise-база — 16 лет
Руководство командами до 15 человек: 1-1, ИПР, бюджеты, риски, техдолг.
10+ CI/CD-конвейеров 1С с нуля: GitLab CI, Docker, SonarQube, Vanessa Automation, EDT + Git; обучение команд заказчиков.
Интеграционная архитектура: 1С:Шина, OData, REST; ERP ↔ MES/TeamCenter; 1С ↔ Directum RX — коробочный модуль на расширениях.
Технический архитектор (транспорт, строительство): ручные операции сокращены более чем на 100 часов в день; отказоустойчивость интеграционного контура выросла на порядок.
Отрасли: оборонная, атомная, нефтегаз, транспорт, ритейл, медицина. Миграция ERP 2.1 → 2.4 без остановки бизнес-процессов.

Стек
AI/LLM: агентные системы, MCP, tool calling, RAG (чанкинг, реранк, eval), интерпретируемость (steering, logit lens).
DevTools: VS Code Extension API, DAP, LSP, Playwright.
Инфраструктура: GitLab CI, Docker, Helm/Kubernetes.
Архитектура: плагинные системы, контракты на JSON Schema, событийные шины.

Условия
От 450 000 ₽ · только удалённо · на старте готов показать результат измеримым пилотом: первый агентный конвейер на вашем контуре с метриками качества.

Контакты
kotvomne@ya.ru · t.me/lekottt · github.com/lekot

Поисковые формулировки
AI Tech Lead
технический лидер AI
агентная разработка
agentic development
AI dev tools
LLM в IDE
VS Code Extension API
debug adapter / DAP
LSP
MCP
tool calling
агентные системы
расширяемые плагинные системы
extensible plugin systems
RAG
интерпретируемость LLM
steering
logit lens
AI-платформа для разработки
developer tools
SDK
open source
TypeScript
Python
1С:Предприятие
CI/CD
DevOps
техническое лидерство