~/dmitrii-krylov
$whoami

Dmitrii KrylovAI / Platform Engineer

Aperto a nuove opportunità

Trasformo gli LLM da demo in infrastruttura aziendale.

Diciannove anni in IT: dall'amministrazione di database alla guida di team di ingegneria e ritorno allo sviluppo. Oggi significa lo strato di piattaforma che decide se l'AI viene davvero usata in azienda, portato in produzione e non a una demo.

Da remoto · disponibile in sede · priorità al full-time

19 anniin IT dal 2007
30+persone nel team più grande che ho guidato
20+servizi in produzione negli ultimi sei mesi
~430pagine di documentazione tecnica

Chi sono

$whoami

AI / Platform Engineer. Ho iniziato nel 2007 come amministratore di database, ho passato un decennio a costruire sistemi ad alto carico e piattaforme pubblicitarie, ho guidato team di ingegneria fino a trenta persone e sono tornato allo sviluppo proprio dove mi interessa di più: lo strato di piattaforma che determina se l'AI arriva davvero a essere usata in azienda.

Negli ultimi sei mesi ho portato in produzione una ventina di servizi interni: analisi del supporto basata su RAG, un gateway davanti al fornitore dei modelli, una piattaforma per la gestione dei segreti, un marketplace di strumenti AI condivisi e documentazione che si mantiene da sola. Li usano ogni giorno ingegneria, QA, prodotto e HR.

Il filo conduttore di questi diciannove anni è lo stesso: mi interessa il punto in cui l'ingegneria incontra l'esercizio. Fare una demo con un modello, rilasciare un MVP o promettere una migrazione lo sanno fare tutti. Il lavoro vero comincia con SSO, tracciabilità, migrazioni, gate in CI, monitoraggio e documentazione che non invecchia: è questo a decidere se fra sei mesi funziona ancora.

Sistemi selezionati

$ls -l ./systems
rag-support-analytics/Ricerca semantica e analisi con LLM sul flusso dei ticket di supporto
  • Ricerca vettoriale sui ticket con PostgreSQL + pgvector, otto strategie di recupero, reranking con cross-encoder e confronto A/B della qualità delle risposte.
  • Parsing, vettorizzazione e generazione dei report vengono elaborati in modo asincrono con Celery dietro uno strato di cache.
  • Consegnato dove il team lavora già — dentro la chat — e non come l'ennesima dashboard che nessuno apre.
  • SSO aziendale su ogni endpoint e tipizzazione rigorosa dei prompt come difesa dalle injection.
PythonFastAPICelerypgvectorRedisRAGKeycloak
secrets-platform/Gestione self-service dei segreti, con valori che nessuno può rileggere
  • Interfaccia web e API sopra HashiCorp Vault: accesso per progetto, ruoli dei membri e tracciabilità completa di ogni modifica.
  • Il percorso di archiviazione deriva dall'UUID immutabile del progetto, così un progetto ricreato o rinominato non eredita mai i segreti del suo omonimo precedente.
  • I token di servizio permettono a CI e agenti automatici di scrivere segreti senza intervento umano.
  • Import massivo di variabili d'ambiente, migrazioni dello schema e documentazione API generata. Dal primo commit alla produzione: un mese.
PythonFastAPIHashiCorp VaultKeycloak / OIDCPostgreSQLReact
ai-skill-marketplace/Un'unica fonte di verità per gli strumenti AI riutilizzabili, distribuiti su tre ambienti
  • Registro di skill AI condivise con proprietari, versionamento e un ciclo di vita reale, al posto di prompt copiati da una chat all'altra.
  • CI completamente automatizzata: validazione e gate di merge in revisione, pubblicazione degli artefatti, release per singola skill e notifiche ai team.
  • Una pagina di stato che mostra, per ogni ambiente, cosa è in linea e quale pipeline ce l'ha messo.
CI/CDGitLabNexusPagesClaude API
docs-autopilot/Documentazione che si aggiorna da sola a partire dal codice che è cambiato
  • Consuma eventi di modifica dai repository, calcola il diff dall'ultimo commit elaborato e chiede al modello che cosa è cambiato davvero.
  • Le modifiche cosmetiche — formattazione, test, refactoring puri — vengono scartate dalla classificazione e non toccano la documentazione.
  • Protezioni: una generazione che riscrive più del 60% di un documento esistente viene rifiutata e ritentata, i segreti non raggiungono mai il modello e un evento riconsegnato non produce un secondo commit.
PythonKafkaPostgreSQLClaude API
llm-gateway/Un pool di chiavi davanti al fornitore: i servizi non detengono mai una chiave reale
  • Rotazione delle chiavi, controllo delle quote, disattivazione automatica di quelle bloccate o esaurite e retry trasparenti all'interno del pool.
  • Token client revocabili con statistiche d'uso per token; le risposte in streaming passano senza alterazioni.
  • Compatibile per scelta progettuale: il client gli parla esattamente come parlerebbe al fornitore.
Goreverse proxySSEDocker

Stack

$cat stack.txt
linguaggi
Python · Go · TypeScript · SQL
servizi
FastAPI · Celery · Fastify · OpenAPI · REST · microservizi
dati
PostgreSQL · pgvector · Redis · Kafka · MySQL · ottimizzazione delle query
ia
RAG · embedding · reranking · API di LLM · tooling per agenti
piattaforma
Docker · Kubernetes · GitLab CI · HashiCorp Vault · Keycloak / OIDC
frontend
React · TypeScript · Vite
in passato
Perl · Lua · Django · sistemi ad alto carico e RTB

Come lavoro

$cat principles.md

01Il risultato è la produzione

Un prototipo che non si può esercire non è finito. SSO, audit, migrazioni e una via di rollback fanno parte della funzionalità, non del ticket successivo.

02Sistemare il processo, non l'incidente

Rendere obbligatori i test automatici e ricostruire il deploy ha dato più stabilità di qualunque hotfix. Preferisco cambiare il modo in cui un team rilascia piuttosto che spegnere incendi su ciò che ha già rilasciato.

03Degradare, mai cadere

Ogni servizio presuppone che le sue dipendenze possano mancare: i contatori passano in memoria, l'archiviazione dei file passa al database e una chiave esaurita esce da sola dal pool.

04Scriverlo una volta, poi automatizzarlo

La conoscenza che vive solo nella testa di qualcuno è un incidente in attesa delle ferie. Un documento mantenuto a mano dopo un mese mente già.

Esperienza

$git log --author=dk --oneline

feb 2026 — set 2026 · Batumi, Georgia

Engineering Manager · Prequel Inc.

Strato interno di AI e piattaforma: analisi del supporto basata su RAG, piattaforma per i segreti, marketplace di strumenti AI condivisi, gateway per LLM e documentazione che si mantiene da sola. Ho unificato repository eterogenei su pipeline CI comuni e un'unica convenzione per configurazione e segreti.

dic 2024 — feb 2026 · Batumi, Georgia

Engineering Manager · inDrive

Ho guidato un team interfunzionale — backend in Go, Android, iOS e QA — con cui abbiamo lanciato il carpooling interurbano. Ho partecipato alla definizione dei requisiti di prodotto e non solo a riceverli, ho collaborato al lancio in Colombia e ho lavorato sul campo con autisti e passeggeri. Ho migliorato con continuità il processo di rilascio, l'affidabilità del servizio e la copertura dei test automatici, trasformando il feedback degli utenti in modifiche al prodotto.

gen 2024 — ott 2024 · Madrid, Spagna

SSP Project Lead · Vidoomy

Ho guidato il progetto della piattaforma supply-side e formato il team attorno a esso, con il mandato di arrivare a risultati in tempi brevi.

mar 2022 — nov 2023 · Mosca

Development Team Lead · SberMarket / Instamart

Sono entrato mentre si formava la piattaforma pubblicitaria e in un anno l'ho portata da zero a prodotto redditizio. Ho preso in carico tutti i quattordici ingegneri del progetto — backend, frontend, QA e poi mobile — e dopo l'MVP ho diviso il dominio in tre team. Ho progettato i servizi e i sottosistemi di uno stack RTB classico.

feb 2019 — mar 2022 · Mosca

Development Team Lead · IPChain Association

Sono entrato come sviluppatore senior e sono diventato il responsabile tecnico di un progetto con più di trenta persone. Ho reso obbligatori i test automatici, pianificato il ritiro dei sottosistemi legacy, assunto e diviso il gruppo in tre team verso i microservizi, e ricostruito il deploy con monitoraggio e alerting reali.

mar 2014 — ott 2018 · Mosca

Senior Developer / Big Data Engineer · IPONWEB

Ho iniziato in Lua e sono passato al team ETL per scalare un sistema di elaborazione dati esistente. Ho progettato e realizzato un sottosistema di test automatici pre-release basato su microservizi.

lug 2012 — mar 2014 · Mosca

Senior Full Stack Developer · KnoRus

Guida tecnica della biblioteca digitale di una casa editrice: backend e frontend, acquisto e messa in opera dei server, monitoraggio e alerting, progettazione di nuovi sottosistemi e controllo qualità del lavoro dei fornitori esterni.

mag 2011 — lug 2012 · Mosca

Senior Python Developer · Kokoc Group

Ho automatizzato l'aggiornamento dei contenuti dei siti satellite — più rapido, più stabile e con verifica dei risultati — e ottimizzato il database e le sue query.

set 2008 — mag 2011 · Mosca

Senior MySQL DBA · SoftPower Solutions

Infrastruttura di database e routine memorizzate: schemi da zero, analisi delle prestazioni, ottimizzazione dello storage ed eliminazione dei colli di bottiglia.

nov 2007 — set 2008 · Mosca

Junior DBA · InfoTechnoProject

Qui è iniziato tutto: architettura di database relazionali, tuning delle prestazioni, stored procedure, cluster e replica.

Formazione

$cat education.txt

Laurea triennale in Scienze computazionali

Modern University for the Humanities · 2005 — 2009

Certificazione

Inspiring and Motivating Individuals

Contatti

$cat contact.txt
Nascosto ai raccoglitori di indirizzi: un clic per mostrarlo
email••••••••••••••
telegram@pentabion
telefono••••••••••••
disponibilitàDa remoto · disponibile in sede · priorità al full-time
$exit  ·  Grazie per la lettura. Il modo più rapido per raggiungermi è l'email.