Vasiliy Uvarov

Designs durable API contracts across REST, GraphQL, gRPC, tRPC, and AsyncAPI. Use when specifying interfaces, auth, versioning, errors, rate limits, or agent APIs.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Builds per-repo code graphs in JSON and markdown-ready derived artifacts. Use when you need blast radius, symbol-level maps, import graphs, inheritance, or test links.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Context-driven AI development with AGENTS.md, repo knowledge bases, Claude Code, Codex, and Copilot. Use when adopting repo-native AI workflows or multi-repo setups.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Scores team or opt-in individual contribution quality from commit and PR history. Use when building engineering scorecards or coaching; for AI impact use dev-ai-coding-metrics.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Guides dependency audits and upgrades. Use when auditing dependencies, upgrading vulnerable packages, managing lockfiles or package managers, SBOMs, or update and monorepo policy.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Configures and hardens Claude Code and Codex MCP servers. Use when connecting databases, APIs, SaaS, building servers, or serving a clearance-filtered knowledge base.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Creates and audits agent skills: SKILL.md, references, scripts, runtime metadata. Use when writing, validating, or security-reviewing a skill, or fixing truncated skill listings.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Designs and runs agent hives and multi-agent waves. Use when setting hive roles, code gates, dependency-graph fan-out, or verifier, vote and loop-until-dry passes.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

AI agent architecture, graph and loop composition, protocol choice, evaluation, and observability. Use when scoping or reviewing systems before implementation.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Chooses among AI/ML approaches: classical ML, LLM, RAG, fine-tuning, agents, embeddings, MoE or SSM. Use when picking or scaling an architecture, or self-host vs API.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Designs coding-agent observability and evals. Use when measuring traces, replay, checkpoint lineage, tool grading, regression, or cost. Not for general LLM evals (ai-evals).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Designs provider runtimes for coding agents. Use when modeling model abstraction, streaming semantics, tool-call normalization, retries, or fallback routing.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Designs approval and sandbox policy for local coding agents: permission modes, isolation, network and destructive-command guards. Use when setting approvals. Not cloud sandboxes.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Designs session and task state for coding-agent runtimes: resume, checkpoints, compaction, cancellation, background and scheduled runs. Use when persisting agent work.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Builds LLM pretraining corpora from Common Crawl: extract, filter, deduplicate, decontaminate, mix, synthesize. Use when curating or ablating a pretraining corpus or data pipeline.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Guides multi-GPU pre-training: DDP, FSDP2, ZeRO, tensor/pipeline/expert parallelism, fp8/Muon. Use when scaling a run, training MoE, or reproducing GPT-2 on rented GPUs.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Runs local and self-hosted LLMs with Ollama, LM Studio, MLX, llama.cpp, and Open WebUI. Use when choosing GGUF quants, sizing VRAM, or running models privately.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Builds ML pipelines: EDA, features, leakage checks, evaluation. Use when doing data science or explaining fairness, privacy, speech, vision-language, or diffusion mechanics.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Builds and backtests demand and revenue forecasts: rolling-origin backtests, prediction intervals, reconciliation, zero-shot foundation models. Use when forecasting time series.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Chooses DPO, GRPO/RLVR, reward models, and over-optimization controls. Use when adapting a pretrained or SFT model with preference or verifiable reward signals.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Builds multi-repo context hubs and compiled markdown knowledge maps. Use when profiling repo portfolios or assembling LLM-ready cross-repo knowledge bases.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Designs operating models for AI in product teams. Use when planning platform ownership, provider strategy, data boundaries, evals, or sensitive-data controls.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Prompt engineering for production LLMs — structured outputs, evals, RAG, tool workflows, multimodal prompting, and safety. Use when designing, debugging, or shipping prompts.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Designs coding-agent plugin systems. Use when adding plugin manifests, extension points, or reloadable integrations, or keeping plugin cache compatible across CLI upgrades.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.