Блог
Инженерные разборы
без маркетинга
Пишем о том, что реально работает: архитектура RAG на .NET, подводные камни внедрения AI в корпоративные процессы, модернизация легаси. Только то, что проверено в проектах.
11 разборов
Фильтр по рубрикам ↓Оценка качества RAG на .NET: Recall@5, MRR и гейт релиза
Как измерять качество RAG на .NET: Golden Set из 50–100 вопросов, расчёт Recall@5 и MRR, измерение faithfulness и eval-как-гейт-релиза в CI.
Agentic-пайплайны в enterprise: паттерны и антипаттерны
Когда агенты в корпоративных процессах оправданы, а когда хватит детерминированного workflow: архитектура, типовые провалы и чек-лист внедрения.
Инженерное лидерство в AI-продуктах: оценка, роли, поставка
Что меняется в работе техлида при AI-продуктах: eval как инженерная практика, ответственность за ответ, топология команд и цикл CI/CD/CE.
Архитектура enterprise AI: четыре решения, которые всё определяют
Практическое руководство по архитектуре корпоративных AI-систем: RAG против дообучения, агенты против workflows, оценка качества и governance.
Production RAG: чек-лист из 50 пунктов для продакшна
Чек-лист вывода RAG в продакшн: безопасность, оценка качества, observability, контроль стоимости и управление жизненным циклом контента.
Как вывести AI PoC в продакшн: 90 дней по фазам
Почему AI-пилоты не доезжают до продакшна и как это чинить: Golden Set, eval-пайплайн, интеграция с корпоративным контекстом, LLMOps и чек-лист готовности.
Модернизация legacy .NET: WCF, AppDomains и AI-мост
Что реально ломается при переходе с .NET Framework на современный .NET: BinaryFormatter, AppDomains, WCF, YARP, Strangler Fig и паттерн AI Bridge.
MCP для enterprise: протокол, безопасность и границы
Как встроить MCP в корпоративный контур: примитивы протокола, модель безопасности, schema bloat, аудит вызовов и выбор между MCP, REST и Kafka.
.NET и Azure для AI-систем: референсная архитектура
Как собрать production-ready AI-систему на .NET и Azure: async-пайплайн, RAG, Polly, observability и контроль стоимости — с рабочим кодом.
Собираем RAG-пайплайн на .NET: практический разбор
Пошаговая сборка production-ready RAG на .NET 10 — от извлечения текста до evaluation-пайплайна. С реальными решениями, а не абстракциями.
RAG на .NET: архитектура, которая переживает продакшн
Разбираем, почему наивный RAG ломается на реальных данных, и строим пайплайн на .NET: чанкинг, гибридный поиск, evaluation и cost-control.
Рубрики
Пять направлений, по которым мы пишем. Нажмите на рубрику — список отфильтруется.
- 01AI/LLM в продеRAG, агенты, оценка качества, контроль стоимости и эксплуатация AI-систем на .NET.8
- 02.NET-платформа и legacyОт .NET Framework к современному .NET: WCF, AppDomains, Strangler Fig, YARP и инженерные практики.5
- 03Архитектура и паттерныРеференсные архитектуры, компромиссы, границы применимости и типовые ошибки.3
- 04MCP и интеграцииСтандартизация доступа к инструментам, контракты с внешними системами, безопасность и аудит.2
- 05Инженерное руководствоРоли в AI-командах, критерии качества, цикл поставки и зрелость процессов.2
Есть задача, которую надо разобрать?
Расскажите о задаче, мы ответим по существу, без пресейла и презентаций.