# AnetLab — студия разработки > AnetLab — dev studio Виктора Бузина: разработка цифровых продуктов и AI/LLM-систем на .NET 8/9/10. Собственный SaaS-продукт schetai.ru, open-source фреймворки (Delibera, Agent Shaker, Marp Play), enterprise-системы под NDA. Материалы на русском, полностью распределённая команда. ## Блог - [Agentic-пайплайны в enterprise: паттерны и антипаттерны](https://anetlab.ru/blog/agentic-workflows-enterprise.md): Когда агенты в корпоративных процессах оправданы, а когда хватит детерминированного workflow: архитектура, типовые провалы и чек-лист внедрения. - [Как вывести AI PoC в продакшн: 90 дней по фазам](https://anetlab.ru/blog/ai-poc-to-production.md): Почему AI-пилоты не доезжают до продакшна и как это чинить: Golden Set, eval-пайплайн, интеграция с корпоративным контекстом, LLMOps и чек-лист готовности. - [Contextum: конвейер документов в Markdown для AI-агента](https://anetlab.ru/blog/contextum-document-pipeline.md): AnetLab Contextum: конвейер из пяти стадий между агентом и LLM — конвертация в Markdown, сжатие контекста, идемпотентная доставка и честный реестр потерь. - [.NET Aspire: локальная оркестрация распределённого приложения](https://anetlab.ru/blog/dotnet-aspire.md): Как .NET Aspire поднимает Postgres, Redis и RabbitMQ вместе с приложением, добавляет телеметрию и позволяет тестировать распределённую систему целиком. - [.NET и Azure для AI-систем: референсная архитектура](https://anetlab.ru/blog/dotnet-azure-ai-architecture.md): Как собрать production-ready AI-систему на .NET и Azure: async-пайплайн, RAG, Polly, observability и контроль стоимости — с рабочим кодом. - [Инженерное лидерство в AI-продуктах: оценка, роли, поставка](https://anetlab.ru/blog/engineering-leadership-ai.md): Что меняется в работе техлида при AI-продуктах: eval как инженерная практика, ответственность за ответ, топология команд и цикл CI/CD/CE. - [Архитектура enterprise AI: четыре решения, которые всё определяют](https://anetlab.ru/blog/enterprise-ai-architecture.md): Практическое руководство по архитектуре корпоративных AI-систем: RAG против дообучения, агенты против workflows, оценка качества и governance. - [Блог — AnetLab](https://anetlab.ru/blog.md): Практика senior-разработки: RAG и AI/LLM на .NET, интеграции, модернизация legacy, инженерные процессы. Разборы без маркетинга. - [Модернизация legacy .NET: WCF, AppDomains и AI-мост](https://anetlab.ru/blog/legacy-dotnet-modernisation.md): Что реально ломается при переходе с .NET Framework на современный .NET: BinaryFormatter, AppDomains, WCF, YARP, Strangler Fig и паттерн AI Bridge. - [Локальные LLM в .NET: Ollama, приватность и цена вопроса](https://anetlab.ru/blog/local-llm-dotnet.md): Когда локальная модель выгоднее облачной: приватность, предсказуемая стоимость и работа офлайн. Разбираем Ollama, Gemma 4 12B и подключение к .NET. - [MCP для enterprise: протокол, безопасность и границы](https://anetlab.ru/blog/mcp-for-enterprise.md): Как встроить MCP в корпоративный контур: примитивы протокола, модель безопасности, schema bloat, аудит вызовов и выбор между MCP, REST и Kafka. - [Production RAG: чек-лист из 50 пунктов для продакшна](https://anetlab.ru/blog/production-rag-checklist.md): Чек-лист вывода RAG в продакшн: безопасность, оценка качества, observability, контроль стоимости и управление жизненным циклом контента. - [Оценка качества RAG на .NET: Recall@5, MRR и гейт релиза](https://anetlab.ru/blog/rag-evaluation-dotnet.md): Как измерять качество RAG на .NET: Golden Set из 50–100 вопросов, расчёт Recall@5 и MRR, измерение faithfulness и eval-как-гейт-релиза в CI. - [RAG на .NET: архитектура, которая переживает продакшн](https://anetlab.ru/blog/rag-na-dotnet.md): Разбираем, почему наивный RAG ломается на реальных данных, и строим пайплайн на .NET: чанкинг, гибридный поиск, evaluation и cost-control. - [RAG или дообучение: когда что, и сколько это стоит](https://anetlab.ru/blog/rag-or-finetuning.md): Спектр адаптации модели: feature extraction, LoRA, частичное и полное дообучение. Разбираем, когда RAG не хватает и как выбрать метод под задачу и железо. - [Собираем RAG-пайплайн на .NET: практический разбор](https://anetlab.ru/blog/rag-pipeline-dotnet.md): Пошаговая сборка production-ready RAG на .NET 10 — от извлечения текста до evaluation-пайплайна. С реальными решениями, а не абстракциями. - [Spec-driven разработка: почему решения теряются и как их сохранить](https://anetlab.ru/blog/spec-driven-development.md): Контекстная инженерия вместо вайб-кодинга: артефакты как носители решений, спецификация как источник истины, два подхода — BMAD и GitHub Spec Kit. ## Контакты - [Контакт — AnetLab](https://anetlab.ru/contact.md): Связаться с AnetLab: форма заявки, email, GitHub, LinkedIn. FAQ по форматам работы. ## О студии - [О бюро — AnetLab](https://anetlab.ru/about.md): История AnetLab, founder Виктор Бузин, 16 лет в enterprise, принципы работы, индустрии. ## Партнёры - [Партнёры — AnetLab](https://anetlab.ru/partners.md): Office Doc — партнёр AnetLab: предметная область, совместный продукт и около десяти лет работы вместе. ## Портфолио - [Портфолио — AnetLab](https://anetlab.ru/projects.md): Все проекты AnetLab: schetai.ru, open source (Delibera, Agent Shaker, Marp Play), enterprise-системы под NDA. ## Продукты - [Contextum: меньше токенов и выше пропускная способность агента](https://anetlab.ru/products/contextum.md): Contextum переводит документы в Markdown и сжимает контекст: агент тратит меньше токенов, пропускная способность выше. Реестр потерь, Go и .NET, Docker. - [Delibera: дебаты LLM-моделей с вердиктом председателя](https://anetlab.ru/products/delibera.md): Delibera — open source фреймворк на .NET 10: модели обсуждают вопрос раундами, председатель выносит вердикт, а транскрипт остаётся на руках. RAG, MCP, SSE, MIT. - [Продукты — AnetLab](https://anetlab.ru/products.md): Продукты AnetLab: Contextum — слой документов между AI-агентом и LLM; Delibera — коллективные решения LLM. Версии, статусы, лицензии, документация.