Обязанности и достижения:
О продукте: Логический астропроцессор, формирующий натальную карту и выступающий в роли архитектурного ядра системы.
Дополнительно — AI-модуль генерации консультаций на основе данных карты: микросервис на Go отправлял запросы через Kafka в Python-сервис, который взаимодействовал с OpenAI ChatGPT для генерации текстов.
Обязанности:
- Участие в проектировании архитектурных решений: проработка компонентов и согласование с ведущими разработчиками
- Рефакторинг монолита на PHP/Go с последующим переходом к микросервисной архитектуре
- Реализация взаимодействия между Go-сервисом и AI-модулем на Python через Kafka (связка с ChatGPT)
- Разработка и покрытие бизнес-логики unit-тестами
- Интеграция Kafka для организации межсервисного взаимодействия
- Поддержка и написание технической документации и описаний API
- Администрирование Linux-среды: настройка Nginx, работа в терминале (vim), управление сервисами и логами
- Масштабирование серверной инфраструктуры
Результаты:
- Внедрил микросервисную архитектуру, что упростило сопровождение, снизило связность компонентов и повысило отказоустойчивость системы
- Реализовал связку Go ↔ Kafka ↔ Python ↔ ChatGPT для генерации персонализированных консультаций, обеспечив масштабируемую и расширяемую AI-интеграцию
- Сократил задержки обработки данных на ~25% за счёт интеграции Kafka и перехода на асинхронное взаимодействие между сервисами
- Оптимизировал работу с PostgreSQL: ускорил выполнение критичных запросов в 2–3 раза благодаря пересмотру логики и индексации
- Повысил гибкость архитектуры за счёт внедрения storage-модуля и применения принципов SOLID/DRY
- Автоматизировал анализ данных с помощью скриптов на Go и Python, что сократило рутинную нагрузку на команду
- Повысил качество кода и ускорил процесс разработки благодаря регулярным code review (40+ PR), систематизации внутренней документации и использованию линтеров
Стек технологий: Golang, PostgreSQL, Docker, Kafka, Redis, gRPC/Protocol Buffers, Swagger, GORM, OpenAI ChatGPT API, Nginx, GitHub, unit-тестирование
Результаты:
- Внедрил микросервисную архитектуру, что упростило сопровождение, снизило связность компонентов и повысило отказоустойчивость системы
- Реализовал связку Go ↔ Kafka ↔ Python ↔ ChatGPT для генерации персонализированных консультаций, обеспечив масштабируемую и расширяемую AI-интеграцию
- Сократил задержки обработки данных на ~25% за счёт интеграции Kafka и перехода на асинхронное взаимодействие между сервисами
- Оптимизировал работу с PostgreSQL: ускорил выполнение критичных запросов в 2–3 раза благодаря пересмотру логики и индексации
- Повысил гибкость архитектуры за счёт внедрения storage-модуля и применения принципов SOLID/DRY
- Автоматизировал анализ данных с помощью скриптов на Go и Python, что сократило рутинную нагрузку на команду
- Повысил качество кода и ускорил процесс разработки благодаря регулярным code review (40+ PR), систематизации внутренней документации и использованию линтеров