Мой фокус

Контекст: В условиях ограниченных DevOps-ресурсов взял на себя администрирование кластеров (prod/dev/stage).

Что делаю:

• Настраиваю CI/CD-пайплайны для микросервисов
• Создаю эфемерные тестовые стенды для Битрикс24
• Прохожу курс Яндекс Практикума для систематизации знаний

Цель: Автоматизировать рутину и освободить время для архитектуры.

Гипотеза: Запуск dev-среды в Pod’ах упростит онбординг и устранит “работает на моей машине”.

Что исследую:

• Yandex Spaces, GitVerse Codespaces, GitHub Codespaces
• Self-hosted решение на базе K8s + Theia/VSCode Server

Метрика успеха: Разработчик начинает работу с кодом за <2 минуты без локальной настройки.

Задача: Семантический поиск по документации Confluence с контекстными ответами.

Архитектура:

• Ингестия: Airflow -> Confluence API -> Chunking -> Qdrant/ChromaDB
• Inference: Llama + RAG-паттерны + контекстное ранжирование

План: Запустить MVP с минимальными ресурсами команды, собрать метрики качества, подготовить кейс.

Фокус: No-code/low-code инструменты для быстрой интеграции AI в бизнес-процессы.

Тестирую:

• Open WebUI + Ollama для локальных экспериментов
• n8n для оркестрации AI-воркфлоу
• Возможности fine-tuning под корпоративные данные

Результат: Чек-лист “Какой инструмент для какой задачи” для команды.

Что делает:

• Мониторит uptime сайтов и присылает алерты
• Анализирует изменения в контенте и предлагает обновления
• Агрегирует новости по тегам: K8s, Go, RAG, eBPF

Стек: Легковесный Python-бот + cron-джобы + векторная БД для семантического поиска.

Контекст: Пилот в корпоративной среде + личные эксперименты.

Критерии оценки:

• Качество генерации кода для Go/Python
• Интеграция с существующим CI/CD
• Безопасность и on-premise развертывание

Результат: Сравнительная матрица для принятия решения о внедрении.

Вызов: Минимизировать усилия на публикацию контента для не-технического пользователя.

Механика:

1. Швея отправляет фото + описание в Telegram
2. AI-агент генерирует SEO-текст, теги, alt-атрибуты
3. Предпросмотр -> подтверждение -> деплой

Цель: Доказать, что AI может быть “мостом” между экспертностью и цифровым присутствием.

Философия: Каждая фича на сайте - эксперимент с минимальным TCO.

Текущие эксперименты:

• Автоматическая генерация OpenGraph-изображений
• i18n-маршрутизация без дублирования контента
• Деплой по git-tag с автоматическим rollback

Правило: Если фича требует >1 часа поддержки в неделю - она не попадает в прод.

Фокус: Систематизация знаний по безопасности и масштабированию.

Применение на практике:

• Моделирую текущие проекты в C4 для поиска узких мест
• Внедряю чек-листы безопасности в code review

Дедлайн: Завершение курса - Март 2026.