محمد اشکریز
مهندسی AI · سیستمهای بکاند
خلاصه
ایدههای هوش مصنوعی را به سیستمهای واقعی تبدیل میکنم؛ سیستمهایی که فقط مدل اجرا نمیکنند، بلکه تصمیم میگیرند، داده را میفهمند، با ابزارها کار میکنند و در یک محصول واقعی قابل استفادهاند. هدف فعلی من عمیقتر کردن یادگیری از طریق ساخت، بنچمارک و ارزیابی دادهمحور است.
مهارتهای فنی
مهندسی AI: LLM applications · RAG · Embeddings · Reranking · Agentic workflows · LLM evaluation · Grounding
بکاند: Python · FastAPI · NestJS · REST APIs · SQLAlchemy · Prisma · Pydantic · Celery
داده: PostgreSQL · Qdrant · Redis · SQLite · BM25 · Alembic
محصول و وب: Next.js · React · TypeScript · Tailwind CSS · RTL / i18n · SaaS domain modeling
زیرساخت: Docker Compose · Git · Linux · Local LLM serving · Background workers
پروژههای منتخب
LegalGraphRAG
در حال تحقیقیک pipeline پژوهشی-عملی برای آزمایش اینکه کدام مداخلهها بیشترین اثر را روی قابل اعتماد بودن Legal RAG دارند؛ با ثبت مستند نتایج در retrieval، ساختار گراف، reasoning، بررسی citation و معیارهای evaluation. در حال ساخت baseline، جریان evaluation، لاگ آزمایشها و چکهای reliability هستم تا روشهای retrieval و graph-based بدون تغییر زودهنگام مدل پایه با هم مقایسه شوند.
Python · RAG · Graph RAG · GNN · NLP · Reranker · USA Legal Data · Colab · github.com/MrAshki/legal-rag
QuestLine
MVP in progress / Operational Core Readyیک MVP عملیاتی برای مدیریت رابطهی واقعی مربی و ورزشکار: وباپ Persian-first و RTL با نقشهای Coach / Athlete / Admin، داشبوردهای نقشمحور، API ماژولار NestJS، مدل دادهی Prisma/PostgreSQL و قوانین دسترسی مبتنی بر تایید مربی و وضعیت رابطه. معماری و توسعهی یک monorepo TypeScript شامل Next.js، NestJS و Prisma؛ پیادهسازی جریانهای Auth، Role Selection، Coach Verification، Admin Review، Coach-Athlete Relationship، Sessions، Attendance، Calendar، Profiles/Follow، Coach Quest و Simple Payments برای MVP.
Next.js · NestJS · TypeScript · Prisma · PostgreSQL · TailwindCSS · Turborepo · pnpm workspace · github.com/MrAshki/Questline_Product
پلتفرم آزمون هوشمند با نظارت معلم
Prototype Readyیک monorepo کلاسمحور برای ساخت آزمون، زمانبندی، لینک اختصاصی دانشآموز، نمرهدهی قطعی و AI، بازبینی معلم، انتشار نتیجه، رتبهبندی و مدیریت اعتراضها. طراحی و پیادهسازی دامنههای اصلی، APIهای ماژولار، صفهای Celery، جریانهای grading و AI، سیستم review، publish، appeal، audit log و تستهای end-to-end.
Next.js · FastAPI · Python · PostgreSQL · Redis · Celery · SQLAlchemy · Docker · github.com/MrAshki/exam_product
دستیار اسناد
در حال توسعهیک محیط سندمحور با تمرکز جدی روی فارسی برای پرسشوپاسخ مستند، خلاصهسازی، مقایسه، تحلیل جدول، گفتوگوی چندمرحلهای و ابزارهای ساختاریافتهی AI. سطح اصلی محصول، dispatcher درخواست، retrieval ترکیبی dense/BM25 با RRF، reranking کنترلشده، اعتبارسنجی citation، ورود اسناد، streaming، ذخیرهسازی و چارچوبهای evaluation را پیادهسازی کردم.
Python · FastAPI · Next.js · PostgreSQL · Qdrant · BM25 · OpenRouter · Docker · github.com/MrAshki/rag-system
Agent پردازش رزومه
منتشر شدهیک pipeline محلی با LangGraph و LLM که رزومهی متنی یا اسکنشده را میخواند، پروفایل کاندید را میسازد، تناسب را ارزیابی میکند، برای تایید در Telegram متوقف میشود و بعد از تایید، رویداد تقویم و ایمیل دعوت را هماهنگ میکند. طراحی و پیادهسازی pipeline عاملمحور با LangGraph، استخراج ساختاریافته، شاخهبندی بر اساس state، تایید انسانی checkpointed، حافظهی SQLite، اتصال به Google Sheets / Calendar / Gmail و Telegram.
Python · LangGraph · Ollama · Pydantic · SQLite · Google APIs · Telegram · github.com/MrAshki/resume_bot
Mission Control OS
نسخه عمومی ۰.۷، functional prototype در حال تکمیلیک پلاگین داشبورد برای Hermes Agent ساختم که از طریق FastAPI bridge به runtime وصل میشود و داخل /mission-control یک پنل زنده برای snapshotها، گفتوگو، approval queue، عملیات agentic، sessionها، تنظیمات agent/provider و voice/TTS محلی ارائه میدهد. معماری پلاگین، manifest، backend API، asset pipeline داشبورد، bridge مبتنی بر session، endpointهای runtime و talk، operation/event store، approval bridge، تنظیمات Agent/Skill/Tool و hookهای محلی Whisper و Piper را طراحی و پیادهسازی کردم.
Hermes Agent · FastAPI · Python · JavaScript · Whisper · Piper · github.com/MrAshki/mission-control-os
پروژههای شخصی و یادگیری با ساختن
ساخت نمونههای شخصی در هوش مصنوعی کاربردی، بکاند، SaaS، ارکستریشن Agent و رابطهای دوزبانه. این پروژهها تجربهی تمرینی و خودآموز هستند و سابقهی همکاری با کارفرما یا مشتری محسوب نمیشوند.
تحصیلات
کارشناسی روانشناسی، دانشگاه امام رضا
یادگیری و پژوهش
تمرکز فعلیام روی RAG، Agentic AI و ارزیابی سیستمهای هوش مصنوعی است؛ ایدهها را به آزمایشهای کوچک تبدیل میکنم تا بفهمم چه چیزی واقعاً کار میکند و کجا شکست میخورد.