Али Саллум

AI-ускоренный Full-Stack архитектор — масштаб, безопасность, продакшен.

Схема: reverse proxy к Manager, затем маршрутизация к Unix-сокетам супервизора и агентов
25 → 1
Сервисов в управлении
< 5ms
Оверхед прокси
CI/CD • Кейс 01

Unified Manager для мульти-агентного деплоя

Перестроил деплой: один manager на окружение и автоматизация создания агентов из админки — без ручных unit-файлов systemd, правок Caddy и раздачи портов. Та же схема упрощает бэкапы и подъём стека на дополнительных серверах: один сервис, один конфиг, повторяемый выкат.

  • Автовыдача агентов (админка → reload, без ручной «обвязки» на каждого)
  • Проще бэкапы и мульти-сервер (один unit + общий конфиг)
Бэкенд • Кейс 02

Push-уведомления, на которые можно опереться

Сделал бэкенд доставки push из продукта на телефоны пользователей через Firebase. Устройства регистрируются в безопасном потоке после входа, старые токены перенесены без поломки приложений. Когда рассылка идёт на большой список пользователей, система не шлёт всё разом — используется очередь и фоновый воркер, чтобы отправка оставалась управляемой и прозрачной.

Технический фокус

  • Один фоновый воркер разбирает очередь отправок: по одному устройству за раз, обновляет статус после каждой попытки и не даёт запустить дублирующих воркеров.
  • Каждая отправка пишется в журнал операций; рассылка считается завершённой только когда у всех записей финальный исход (доставлено, ошибка или подтверждение) — видно, что закончилось, а что нет.
Web Scraping / Automation • Кейс 03

LuukAI Scraper

Обходит домен и превращает страницы в структурированные товары и статьи — один конвейер для витрин, медиа и смешанных сайтов вместо отдельного парсера под каждую вёрстку. Фаза 1 обходит сайт, сначала вытаскивает карточки товаров, а листинги с кучей ссылок откладывает; фаза 2 дорабатывает эти листинги. Сохранение по ходу, чтобы обход можно было прервать и продолжить с места остановки.

Отличие
Читает страницу — не карту селекторов под каждый сайт
Максимум структуры на доллар инференса
97%
Точность полей по аудиту
Промо-окно LuukAI: бренд, заголовок и кнопки
Демо виджета
Frontend • Кейс 04

LuukAI — встраиваемый AI-ассистент и виджет для партнёров

Партнёры подключают диалогового ассистента: вопросы простым языком, умные рекомендации, промо и сценарии под задачу. Один код — и полноценное веб-приложение, и плавающий виджет: бренд и язык под каждого клиента, без риска «сломать» вёрстку на стороне сайта.

Стек
React · TypeScript · Vite — одна сборка, разные поверхности (приложение, виджет, встраиваемая оболочка)

Акценты

  • Интерфейс ассистента изолирован от стилей сайта — случайно не перекрасить и не сломать.
  • Опросы, доп. сервисы и аналитика подключаются аккуратно — путь пользователя выглядит цельным.
  • Свои тексты, языки (включая RTL) и экраны результатов — вплоть до отраслевых сценариев и передачи записи на сайт партнёра.
REACT 18MUI V5VITE 5
Цитирование

12цитирований в Google Scholar

Статья (ScienceDirect)Цитирующие работы (Google Scholar)Недавняя цитата: npj Computational Materials (Nature Portfolio) — открытие материалов с квантово-отожжённым ML
Публикация • Кейс 05

Quantum annealing in machine learning: Qboost on D-Wave quantum annealer

Рецензируемая статья о квантовом отжиге и машинном обучении: ансамбль в духе QBoost в формулировке QUBO и запуск на квантовом отжигателе D-Wave. Рассматривается, когда квантовое железо дополняет классические ML-конвейеры, как ставятся эксперименты на реальном устройстве и как интерпретировать результаты с учётом ограничений чипа.

Издание
Procedia Computer Science (Elsevier), 2024

Акценты

  • Связка квантового отжигания и ML: постановка QBoost на оборудовании D-Wave с понятной экспериментальной частью.
  • На стыке QC и ML — актуально в исследованиях и прикладных задачах.
  • Растущий список цитирований, включая работы в журналах Nature Portfolio (например npj Computational Materials).
Неделя данных по цене электроэнергии: факт (синяя линия) и прогноз модели (оранжевые точки), 24–29 дек. 2023
Полный отчёт (PDF)
ML / прогнозирование • Кейс 06

Прогноз цен на электроэнергию

Проект прогнозирует цены по историческим рядам: подготовка данных, выбор и обучение модели с учителем, оценка на отложенных периодах. В PDF — полный конвейер: признаки, обучение и метрики. На графике — неделя оценки: измеренные цены («истина») и выход модели на одной шкале времени. Модель повторяет суточный цикл и пики/спады; на некоторых максимумах прогноз чуть завышен — сигнал для калибровки или доработки ансамбля.

Что показывает график
Истина vs прогноз за семь дней (конец дек. 2023): форма ряда, фаза и смещение на экстремумах.

Акценты

  • Сопоставление факта и прогноза на плотной сетке — видно систематическую ошибку.
  • Учитывается повторяющаяся внутрисуточная структура, а не один наивный базовый уровень.
  • Методика и метрики — в PDF; график — типичный фрагмент оценки.
AI • Кейс 07

Agent Coach — Telegram-ассистент с долгой памятью

Продакшен-бот, где память — не опция: цели и факты копятся в простых файлах, подгружаются в каждый новый диалог и уточняются после ответа. Один репозиторий — несколько специализированных ботов с тем же UX. Под капотом: Python, пресеты качества в один тап, опциональный поиск в сети и запасная модель при пиках — диалог не замирает.

Пресеты модели
Эконом · баланс · максимум качества

Акценты

  • История чата обнуляется; долгий контекст — нет: коучинг остаётся личным неделями.
  • В примерах — фитнес и подготовка к немецкому; персона переключается при деплое.

Философия архитектуры

Сначала производительность

P99 — требование. Оптимизация стоимости и скорости вычислений.

Безопасность изначально

Безопасность в схеме данных, сети и CI/CD — не наслоение в конце.

Масштабирование

Stateless и распределённое состояние — от десяти до миллионов пользователей.

Масштабируем идею?

Обсудим продакшен-архитектуру под ваши требования по нагрузке и безопасности.

КонсультацияКонтакты