Backend i API
Długo działające usługi i kontrakty między nimi.
Full-stack · backend · AI głosowa
Pipeline’y głosowe i mediów czasu rzeczywistego, mikroserwisy, które wytrzymują kontakt z rzeczywistością, oraz warstwa AI, która je spina.
Tam, gdzie jest głębia
Działający zestaw narzędzi, nie lista życzeń. Każdy obszar był wdrożony, debugowany i utrzymywany na produkcji.
Długo działające usługi i kontrakty między nimi.
Kompletne stosy głosowe — od mikrofonu do modelu i z powrotem, wraz z klientami, którzy z nimi rozmawiają: własna umiejętność Alexa, natywna aplikacja watchOS, nasłuch wake-word na ESP32-S3 i rozszerzenie Chrome.
Przepływ audio i wideo przez pipeline’y, które muszą nadążać.
Wpinanie LLM-ów w realne produkty — obserwowalnie, bezpiecznie, w imieniu kogoś innego. Także orkiestracja wyspecjalizowanych agentów AI jako zespołu dostawczego, z ograniczonymi obszarami zapisu i bramkami przeglądu opartymi na dowodach przed przyjęciem zmiany.
Wymienni dostawcy modeli za jedną granicą: routing per zadanie (czat, embeddingi, tłumaczenie, mowa, realtime), fallbacki dostawców i jawne domyślne „użyj bieżącego”, poświadczenia w jednej usłudze, a każde wywołanie śledzone z dostawcą, modelem i zużyciem tokenów.
Od kontenera do klastra, ze śladami na całej drodze.
Wybór właściwego kształtu przechowywania dla danego problemu.
Wybrane projekty
Kilka reprezentatywnych systemów. Zanonimizowane — liczy się kształt problemu, nie logo.
01
Wieloetapowe wdrożenie Docker z proxy SIP Kamailio i media relay RTPEngine zasilającym agenta AI głosowej. Dostrojona sieć hosta i terminacja WSS dla rund mowy o niskim opóźnieniu. RBAC w wielodostępnych API.
02
Centralny backend FastAPI obsługujący dwie SPA (aplikację do nauki języków i bazę wiedzy w markdown), oparty na Postgresie z pgvector. Odseparowany serwer MCP obsługuje każde wywołanie LLM — klucze dostawców, logi żądań, ślady OpenTelemetry i pliki zdarzeń per żądanie żyją za jedną granicą SSE. Platforma zawiera jednorazowe środowisko testowe Kubernetes: smoke testy chartu, zestaw API i zestaw głosowy puszczający realne audio przez pipeline WebSocket, a migracje są weryfikowane na przywróconym snapshotcie produkcji przed wydaniem.
03
Rozszerzanie usług dla CRM, migracja danych legacy, przegląd kodu (głównie backend, ~70–100% diffu) i decyzje architektoniczne kształtujące kolejny kwartał pracy. Pokrycie testami, CI/CD, Kubernetes przez ArgoCD.
04
Wideo i audio w czasie rzeczywistym z WebRTC oraz usługi backendowe do rozpoznawania mowy i tłumaczenia. Infrastruktura postawiona od zera z Terraform, CI/CD i Dockerem.
05
Narzędzia dla korporacyjnych klientów medialnych, zintegrowane z HubSpot, płatnościami i e-fakturami. Ciężkie przetwarzanie mediów robiły pipeline’y Lambda; Jenkins i Docker prowadziły całość.
Zapytaj o profil
Mały asystent odpowiada na pytania o moje doświadczenie na podstawie profilu z tej strony. Wpisz pytanie i naciśnij Enter.
Odpowiedzi są generowane na podstawie powyższego profilu. Pytania trzeba wpisać, nie wkleić — dzięki temu pole odróżnia ludzi od skryptów.
Kontakt
Projekty backendowe, AI głosowej i platformowe. Najszybszy kontakt to e-mail.