Mamaev Agentic Lab
EN
EN
⚙ Agent Engineering · для бизнеса

Когда промптперестаётработать

Проектирую и собираю production agent-системы: оркестрация, observability, fallback-маршрутизация, recovery. Не «один большой промпт» — инженерная архитектура с верификацией и трейсами.

→ Discovery call⬡ Открытый курс
STATUS: MONITORING AGENTIC_FLOW
NODE_01: OK
NODE_02: OK
ORCHESTRATOR: OK
RECOVERY: OK
// services

Три формата работы

RATIONALE: Мы не строим промпты. Мы инсталлируем автономную инженерную инфраструктуру.
SVC-SKILL-MOD-01

Audit & Spec

Карта твоих ручных процессов → архитектурная спецификация агент-системы. Включает декомпозицию на AI/Tool/Code узлы, ROI-оценку.

Output
Implementation-ready spec
Term
~2 недели
SVC-SKILL-MOD-02

Build & Ship

Реализация pipeline на n8n / Claude Code / custom backend. CI/CD, observability через Langfuse, fallback-маршруты на LLM, alerting.

Output
Production-ready system
Term
~6 недель
SVC-SKILL-MOD-03

Embed Engineer

Работаю part-time как embedded agent engineer в команде. Помогаю проектировать, ревьюить, бить production-fires.

Output
Continuous capacity
Term
monthly retainer
SVC-SKILL-MOD-04

Practice OS — для частной практики

Формат для соло-практиков (терапевты, коучи, целители): диагностика того, как ты работаешь с AI сейчас — чужие инструменты, личная практика или суверенная практика, — и сборка твоей Practice OS: память, база знаний, помощники и ритуалы твоего дела. 1:1, офлайн в Нашвилле (The Healing Society) или удалённо.

Output
Работающая Practice OS на твоих файлах и задачах + план самостоятельного развития
Term
формат и объём обсуждаем на discovery call
Манифест подхода: «Точка сборки» →
// cases

Что я уже строю

VIBERULER

опубликованный CLI-инструмент

Бенчмарк для тех, кто кодит с ИИ: читает локальные транскрипты сессий и считает, как на самом деле шла работа. По умолчанию — ноль сетевых вызовов; при отправке результата показывает точный JSON и спрашивает разрешение. Опубликован в npm, ставится одной командой.

stack: TypeScript · npm · CF Worker

ASTROLABE

мультидвижковый монорепо

16 независимых движков интерпретации под одним зонтиком: детерминированный расчёт отдельно, LLM-объяснение поверх него. Правило governance жёсткое — без найденных источников модель не вызывается вовсе, поэтому система не выдумывает доктрину. Общий RAG-слой и единый шлюз к моделям.

stack: Python · RAG (BM25 + bge-m3) · uv-workspace

ECHO

локальная речь-в-текст

Двуязычная диктовка, работающая на своём железе: русский и английский, в том числе вперемешку в одной фразе. Распознавание идёт на устройстве и печатает текст прямо в активное приложение — без облака, аккаунта и телеметрии. Windows, macOS, Linux.

stack: Whisper/Parakeet · GPU · desktop

OPENYOGA

desktop-тьютор по корпусу

Монорепо вокруг корпуса первоисточников: конвертация в чистый Markdown, типизированный SDK для валидации и поиска, и десктоп-тьютор, который ведёт практику и читает уроки поверх этого корпуса. Работает офлайн; архитектура развязана от конкретной традиции.

stack: Tauri v2 · TypeScript · npm-workspaces
// process

Как работаем

STEP_01
Discovery call (30 мин, бесплатно)
STEP_02
Workshop: декомпозиция задачи, scope, acceptance criteria
STEP_03
Spec → твой человек или я строим
STEP_04
Build sprints с weekly check-ins
STEP_05
Handover + observability + runbook

Начнём с разговора

30 минут чтобы понять задачу и есть ли смысл работать вместе. Без воды, без слайдов.

sasha@mamaev.coach