Full-Stack-Engineer mit Backend-Schwerpunkt
Jeder Build ist ein Mark I.
Ausliefern, finden, was bricht, den nächsten besser bauen.
Ich bringe Produkte vom leeren Repository bis in die Produktion.
Immer offen für Weiterentwicklung, neue Ideen, größere Projekte und das richtige Angebot.
01 / 08
Eine KI-Karriereplattform, die Lebensläufe bewertet und die passenden Stellen findet.
Nexein analysiert und bewertet einen Lebenslauf, ordnet ihn offenen Stellen nach Bedeutung statt nach Schlagwörtern zu und begleitet Nutzer mit einem KI-Assistenten in der App, in sechs Sprachen.
02 / 08
Nacheinander gebaut, jede schwerer als die vorige.
Gefälschte Webhooks gestoppt, bevor sie den Code erreichen.
Ein Spring-Boot-Starter, der Stripe-, GitHub-, Paddle- und generische HMAC-Signaturen auf den rohen Request-Bytes prüft, bevor der Body geparst wird. Getestet mit GitHubs eigener veröffentlichter Beispielsignatur; schon ein geändertes Byte schlägt fehl.
03 / 08
Ein Audit-Log, das jede Änderung aufdeckt.
Jeder Eintrag ist per HMAC-SHA256 mit dem vorherigen verkettet. Wird ein alter Eintrag geändert, einer entfernt oder das Ende abgeschnitten, zeigt verify() genau den Eintrag, an dem die Kette bricht.
04 / 08
Zahlungsaufrufe wiederholen, ohne doppelt abzubuchen.
Hält in Spring WebFlux einen Idempotency-Key über reaktive Wiederholungen hinweg stabil, sodass ein Anbieter, der den Key beachtet, die Zahlung nur einmal verarbeitet, auch nach einem Verbindungsabbruch.
05 / 08
LLM-Kosten senken, ohne an Qualität zu sparen.
Schickt jede Anfrage an ein passend dimensioniertes Modell, entschieden durch ein einziges Embedding ohne zusätzlichen LLM-Aufruf. Im Evaluationsset mit 40 Beispielen gingen 45 % der Anfragen an das günstige Modell, keine der schwierigen.
06 / 08
Ein Rat aus KI-Modellen für schwierige Entscheidungen; das letzte Wort hat ein Mensch.
Sieben Modelle debattieren eine Idee in strukturierten Runden, die gegen Gefälligkeit und falsche Gewissheit gebaut sind, und geben die Entscheidung dann an den Menschen zurück. Eine gemessene vollständige Sitzung: 28 Modellaufrufe, 0,71 $.
07 / 08
Ein Agent oder fünf? Meine Abschlussarbeit hat gemessen, wann welcher passt.
Ich habe dasselbe Playlist-Empfehlungssystem zweimal gebaut, als einzelnen Agenten und als fünf zusammenarbeitende Agenten, mit demselben Modell, denselben Daten und demselben Retrieval-Code. Der einzelne Agent war bei einfachen Anfragen besser, die fünf Agenten bei Anfragen mit mehreren Bedingungen.
08 / 08
Sehen, was eine Änderung kaputt macht, bevor sie live geht.
Ein Werkzeug zur Impact-Analyse, das eine TypeScript-Codebasis über den Compiler liest und abbildet, was wovon abhängt, und dabei Bewiesenes von Ungeklärtem trennt. Es läuft lokal und schreibt nie in den Code.
Ich habe Computersysteme an der Technischen Universität Riga studiert. Ich arbeite als Software Engineer bei der ETB Group und baue nebenbei eigene Projekte, von veröffentlichten Bibliotheken bis zu LLM-Systemen.
Software Engineer, ETB Group
Eigene Projekte
B.Sc. Computersysteme, Technische Universität Riga