Para un tech lead
Stack, arquitectura, código.
Te cuento cómo diseño y qué escribo a mano: de la preventa a producción — REST, pipelines de eventos, Kubernetes.
- Mi núcleo es Java/Kotlin + Spring + Kafka; las tareas full-stack las cierro con React.
- A mis espaldas: la alta carga de Sber, 20+ microservicios en TextBack y tres años en el estudio Reckue.
- Uso los agentes IA en serio, pero diseño yo mismo la arquitectura y mantengo el código bajo control.
Núcleo
- Java 8–21, Kotlin, Spring Boot y Spring Security, Hibernate, jOOQ.
- Diseño APIs REST y WebSocket; en Sber hice integraciones gRPC.
Alta carga en Sber
- Tres años en SberSpasibo: el núcleo de la plataforma, la app móvil y la sección dentro del banco — millones de usuarios.
- Llevé a cabo una migración de la plataforma sin caídas en producción.
- Construí el panel de gestión de errores del programa de bonos de Aeroflot — full stack, respuesta más rápida ante incidentes.
Datos y eventos
- PostgreSQL y Apache Kafka en el núcleo; MongoDB, Redis y WebSocket al lado.
- Depuré servicios asíncronos sobre ActiveMQ en la plataforma de mensajería TextBack.
Microservicios y legacy
- TextBack: 20+ microservicios — chats, archivos multimedia, integraciones con mensajeros.
- Arreglé bugs críticos en el procesamiento de medios y el acceso a la BD, y refactoricé grandes clases legacy.
Entrega
- Docker, Kubernetes, Nginx, GitLab CI/CD, Jenkins, Keycloak.
- En Sber monté el CI/CD sobre Jenkins + Docker + Kubernetes.
Front end, cuando hace falta
- React, Redux, TypeScript, NestJS — los paneles de administración de Sber y los front de los proyectos del estudio los escribí yo mismo.
IA en el trabajo
- Hago desarrollo con agentes en Claude Code: servidores MCP propios, integraciones con Jira, Confluence y Telegram.
- Entreno clasificadores MLP/NLP para tareas aplicadas y uso la ingeniería de prompts como herramienta de trabajo.
- Controlo la salida de la IA y diseño yo mismo la arquitectura — armo proyectos grandes rápido sin perder calidad.
- Un límite honesto: no reclamo experiencia en entrenar grandes modelos, infraestructura de ML ni arquitectura profunda de redes neuronales.
Proceso y equipo
- Scrum, retros, code review, one-on-ones, mentoría; equipos de 5–20 personas.
- En NLab introduje sprints en proyectos grandes — menos hotfixes, las funciones clave salían más rápido.
- En las preventas defendí estimaciones técnicas por más de 5 millones ₽.
¿Encajamos?
Los detalles del stack y los proyectos están en el CV. Para dudas sobre código, escríbeme por Telegram — respondo rápido.