Антон Холодков создаёт AI-системы: от данных до интеграции и контроля.
Опыт Антона — это реальные объёмы данных, операционные процессы и внедрения для бизнеса и государственного сектора.
Задача, рабочий контур и измеримый эффект — без декоративных обещаний.
RAG-контур работает на сайте и в Telegram, интегрирован с Jivo и сохраняет контекст при передаче оператору. 12–14,5 тыс. обращений в месяц; 45–50% решаются автономно.
Контур классифицирует состояние и критичность дефектов, объединяя полевой сбор, мобильный интерфейс, веб-дашборд и экспорт. Обработано 85 000+ фотографий.
Транскрибация и LLM-анализ выявляют соблюдение скриптов, качество обслуживания и проблемные зоны вместо выборочного ручного прослушивания.
Антон соединяет задачу бизнеса, архитектуру системы и проверку качества — чтобы проект не зависел от одного сервиса или одной презентации.
Аудит процессов, постановка задачи, метрики успеха, ROI, ТЗ и защита пилота.
LLM, RAG, VLM, агенты, Python, FastAPI, PostgreSQL, Docker и внешние API.
Контрольные наборы, регрессии, human-in-the-loop, локальные контуры и ФЗ-152.
anton@ai:~/audit$ inspect --process --before-model
✓ business goal and failure cost defined
anton@ai:~/router$ route --cloud --local --own-eval
✓ provider independence enabled
anton@ai:~/deploy$ run --hitl --monitor-regressions
✓ system ready for controlled scale
Инструменты, сценарии, память, правила, проверки и ограничения живут в независимом harness-слое. Модели сравниваются на собственных задачах компании.
CODE / VERSIONINGCLAUDE / MODEL01class AIHarness:
02 tools = business_tools
03 memory = verified_context
04 rules = access_policy
05 evals = own_benchmarks
06 def route(task, constraints):
07 return best_verified_model
08# Модель — компонент, не вся система.
Облачные и локальные модели можно заменять без перестройки бизнес-процесса.
Решения сравниваются на контрольных наборах и реальных задачах компании.
Доступы, журналы, ограничения и участие человека являются частью архитектуры.
Роль развивалась от управления коммерческими командами и собственных проектов до руководства AI/LLM-внедрениями.
Аудит, архитектура, разработка, пилоты, интеграция, защита результатов и развитие внедрённых систем.
AI-интеграции, мобильные продукты и лидогенерация — от постановки задачи до коммерческого запуска.
Запуск офиса, набор и обучение команды до 21 человека, управление клиентским процессом и результатом.
Telegram-канал «Нейросети для бизнеса», экспертная статья о независимом AI-контуре и практические разборы RAG, VLM и агентных систем.
Обсудим задачу, данные, ограничения и способ проверить результат ещё до выбора модели.
