Перейти к основному содержимому
Использование · Стек

Использование — Мой стек и настройка

Традиция /uses: то, к чему я на самом деле тянусь, честно. Не устремлённый стек — а тот, что выпускается. Каждый выбор идёт с одной строкой мнения, потому что инструмент, о котором нечего сказать, — это инструмент, которым ты не пользовался.

Я строю агентов и AI-системы на фундаменте классической data science и ML от первых принципов. Это инструментарий, примерно в том порядке, в котором я к нему обращаюсь.

01

AI и агенты

LangGraphоркестрация агентов

Мнение: Явные графы лучше неявных цепочек — когда поток является графом, вы можете его видеть, тестировать и исправлять, вместо того чтобы доверять циклу, который не можете проверить.

Вызов функций + структурированные выходные данныеинтерфейс инструментов

Мнение: Модель должна возвращать схему, которую я могу проверить, а не текст, который мне приходится парсить — я доверяю типизированному контракту больше, чем обещанию на естественном языке.

MCPинтеграция инструментов

Мнение: Единый протокол лучше груды самодельных адаптеров — весь смысл в том, что инструменты подключаются без того, чтобы мой агент знал их внутреннее устройство.

Evaluation-стендыverification

Мнение: Верификаторы, привязанные к среде, вместо театра LLM-судьи — проверяйте, что побочный эффект действительно произошёл, потому что модель расскажет о работе, которую никогда не делала.

02

Languages

Pythonprimary

Мнение: В первую очередь, без извинений — экосистема и её импульс стоят больше, чем элегантность любого языка, и я достаточно свободно владею им, чтобы видеть изнутри математику.

TypeScriptoccasional

Мнение: Изредка, и только там, где фронтенд вынуждает меня к этому — типы приветствуются, разрастание экосистемы — нет.

03

Data Science

Jupyterexploration

Мнение: Лучшая среда для размышлений, когда-либо созданная для анализа данных — ноутбук это беседа, а беседы — это то, где живёт инсайт.

scikit-learnmodeling

Мнение: Скучный в лучшем смысле — надёжный, документированный, и он отказывается прятать допущения модели за блестящим API.

PyTorchглубокое обучение

Мнение: Тензоры, которые можно взять и исследовать, лучше чёрного ящика — я вижу каждый градиент, и именно видение позволяет мне доверять модели.

pandasобработка данных

Мнение: Никто его не любит, но всем он нужен — и как только вы начинаете с ним бороться вместо того, чтобы использовать его, ваши данные всё равно оказываются неверными.

04

Infrastructure

Dockerpackaging

Мнение: «У меня на машине работает» — это отговорка, а контейнеры — вежливый способ раз и навсегда с ней покончить.

Kubernetesorchestration

Мнение: Избыточно — до того дня, когда это перестаёт быть избыточным. Я обращаюсь к нему, когда система становится достаточно большой, чтобы ручной присмотр стоил дороже, чем кривая обучения.

Rayраспределённые вычисления

Мнение: Параллелизм без церемоний — он превращает прототип на одной машине в распределённую задачу без переписывания логики, которой я уже доверяю.

05

Оборудование и рабочее пространство

Mac серии Msilicon

Мнение: Быстро, тихо и потребляет мало энергии, пока GPU-сервер надрывается — для всего, кроме тяжёлого обучения, этого просто достаточно.

Механическая клавиатураinput

Мнение: Совершенно несерьёзный выбор из тщеславия — я держу один, потому что тактильная отдача делает долгие сессии письма физическими, а не абстрактными.

Тёмная тема IDEenvironment

Мнение: Меньше бликов, больше концентрации — и, честно говоря, это ближайший аналог униформы, который есть у разработки ПО.

У вас, вероятно, по-другому — и в этом самое интересное.

Стек — это средство для достижения цели, а не личность. Этот список меняется по мере того, как я учусь, — он задуман как живой документ. Если что-то здесь кажется вам неправильным, скорее всего, так и есть, и я хотел бы услышать почему.

Давайте поговорим!