Stack
Technologie
Nástroje, po kterých sahám, a důvody nudných voleb. Pokud potřebujete něco, co není na seznamu, zeptejte se — seznam je zvyk, ne omezení.
Mám silné výchozí volby a žádnou věrnost dodavatelům. Záleží na tom, jestli technologie pomůže vašemu týmu dodávat a ladit i za dva roky.
Jazyky
- TypeScript
- Node.js
- Python
- SQL
- Go
AI a agenti
- Anthropic Claude
- OpenAI GPT
- Google Gemini
- RAG pipelines
- MCP — Model Context Protocol
- Práce s nástroji a function calling
- Vektorové databáze (pgvector, Qdrant)
- Cross-encoder rerankery
- Evaluation harnesse
- Inženýrství promptů a kontextu
- Guardrails a redakce PII
- AI gateway a směrování
Platforma
- AWS
- Docker
- Kubernetes
- Terraform
- PostgreSQL
- Redis
- Nginx
- OpenTelemetry
- Prometheus
- Grafana
Produkt
- React
- Next.js
- Node.js API
- GraphQL
- tRPC
- Design systémy
- Přístupnost (WCAG)
- i18n
Dodávka
- GitHub Actions
- Playwright
- Vitest
- Pytest
- CI/CD pipeline
- Bezpečnostní revize
- Technické psaní
Volby, které dělám záměrně
PostgreSQL dřív než vektorová databáze
Pokud už provozujete Postgres, je pgvector obvykle správná odpověď: o jeden systém míň k provozu, jedna transakční hranice, jedna strategie zálohování. Samostatné vektorové úložiště si místo zaslouží při větším měřítku nebo složitém filtrování.
Ve výchozím nastavení nezávislé na poskytovateli
Jedno rozhraní gatewaye, žádné SDK dodavatele v kódu produktu. Volba modelu se stává rozhodnutím o směrování a nákladech, ne závazkem architektury.
Nejdřív řízený inference
Hostované API poráží GPU cluster u většiny firemních zátěží jak v nákladech, tak v čase do první hodnoty. Bod zvratu spočítám poctivě, místo abych předpokládal, že self-hosting je ta vyzrálá volba.
Evaluace před optimalizací
Téměř každý report „AI se zhoršila“ je chybějící testovací sada. Nejdřív spravte měření, potom laděte.
Vícejazyčnost jako požadavek
Kvalita retrievalu, eval sady i obsah se mění podle jazyka. Navrhněte to od prvního sprintu a je to běžná práce; dodělávat to dodatečně znamená přepis.