Андрей Мельнейчук andreimelneichuk

Андрей Мельнейчук

LLM Engineer / AI Backend Developer

Разрабатываю и внедряю агентные архитектуры (Model Context Protocol, Tool Calling), поисковые RAG-контуры на базе OpenSearch и асинхронные бэкенд-сервисы на Python, FastAPI и Apache Kafka.

👨‍💻 Обо мне

🏢 AI / LLM Developer, корпоративный AI-ассистент (коммерческий проект): интеграция внешних API через Model Context Protocol (MCP), прямой семантический и текстовый поиск в OpenSearch, асинхронная сервисная шина на Apache Kafka, оценка качества ответов (LLM-as-a-Judge, Langfuse) и пре-фильтрация трафика.
🧪 Data & Model Evaluation в Яндекс Крауд (2023–2024): Сравнительный аудит (Side-by-Side) качества ответов YandexGPT и поисковой выдачи, разметка галлюцинаций и формирование датасетов.
🎓 Образование: ПГНИУ (Институт компьютерных наук и технологий), специальность «Компьютерная безопасность» (Выпуск 2025).

🛠 Технологический стек

LLM & Агенты   :: MCP, Tool Calling, LangChain / LangGraph, OpenSearch (RAG), vLLM, Langfuse, MLflow, LLM-as-a-Judge
Модели & NLP   :: PyTorch, Transformers, BERT fine-tuning, Zero-Shot NLI, SpaCy, Label Studio
Бэкенд         :: Python (asyncio), FastAPI, Flask, Apache Kafka, PostgreSQL, SQLAlchemy, Redis, Pytest
Инфраструктура :: Docker, GitLab CI/CD, Linux, C++ (базовый)

🔬 Ключевые проекты и R&D

🔌 MCP Secure Server (RBAC & Auth)

Референсная реализация сервера Model Context Protocol (MCP) с ролевой моделью доступа (RBAC) и OAuth-аутентификацией для безопасного подключения инструментов к корпоративным источникам данных.

Python MCP FastAPI OAuth Security

🔍 OpenSearch Agentic RAG

Коммерческий проект (код под NDA)

Гибридный (полнотекстовый + семантический) поиск в OpenSearch, подключённый к AI-агенту как MCP-инструмент; фоновая периодическая индексация базы знаний через GitLab CI.

OpenSearch MCP Python GitLab CI RAG

📑 BERT Document Classifier

Пайплайн классификации текстов документации: краулер, разметка через LLM, очистка данных, fine-tuning ruBERT (стратифицированный сплит, WeightedRandomSampler, ранняя остановка по weighted F1) и динамическая INT8-квантизация со сравнением FP32 vs INT8 по размеру, времени инференса и F1. Плюс учебные эксперименты: RNN/GRU на AG News (accuracy до 0.909) и CatBoost-регрессия.

PyTorch Transformers ruBERT INT8

🧪 Tool Calling Stability Experiments

Бенчмарк архитектур агента с MCP: baseline-цикл (LLM → Tool → LLM) и 15 экспериментальных доработок: валидация и нормализация аргументов тулов, детерминированная маршрутизация, сжатие контекста, Graph-RAG, мультиагентная проверка ответов. Прогон на mock MCP-серверах, оценка через LLM-as-a-Judge (Solve Rate, Safety, latency) на наборе из 40 сценариев, с CI на GitHub Actions.

Python MCP Tool Calling LLM-as-a-Judge

📬 Контакты для связи

Telegram: @melneichuk
Email: andreimelneichuk@yandex.ru
Резюме: HeadHunter

Navigation Menu