Aleksandr Vasilev — Arquiteto de Sistemas de IA · Fundador e Arquiteto-Chefe, AgentStack.tech

Transformo sistemas ambíguos e de alto risco — IA, dinheiro, tempo real — em infraestrutura previsível e confiável.

Construo sistemas em que a IA suporta carga real de produção — e há mais de 15 anos entregando backends e plataformas previsíveis, observáveis e operáveis conforme o uso cresce.

AgentStack.tech é um Sistema Universal de Processamento com patente pendente e foco em IA: backend completo, superfícies administrativas e plano de integração unificado — SDK TypeScript/Python/React, REST e MCP com 800+ ações de catálogo cobrindo projetos, auth, RBAC, billing, carteiras e buffs, agendador, webhooks, analytics, AgentSocial, messenger SSE, RAG e memória de agentes, CRM, commerce e marketplace, bots e integrações, economia on-chain AgentNet e lógica server-side.

Papel: Fundador e arquiteto-chefe — arquitetura de produto, design de protocolo e SDK, modelo de dados multi-tenant, sistemas de instrução para IA e entrega ponta a ponta (SPA dual-shell, TanStack Query, SSE + WebSockets, PostgreSQL, Stripe, Solidity/EVM, observabilidade). Linha contínua: disciplina de performance da engenharia de jogos AAA aplicada a infraestrutura nativa de IA.

Visão da plataforma Web3 / AgentNet Opções de engajamento Baixar PDF Baixar Word
15+
Anos entregando sistemas
800+
Ações de catálogo (MCP + REST) · 58 domínios
409
Registros de decisão de arquitetura (ADRs)
<0.001s
Latência alvo do Neural Router (hot path)

AgentStack v0.4.22 · Verified 2026-10-09 · manifesto legível por máquina

Aleksandr Vasilev — professional headshot, AI Systems Architect and founder of AgentStack

Tese da plataforma

O AgentStack foi desenhado para humanos e agentes de IA compartilharem o mesmo contrato: SDK tipado, REST e MCP — com descoberta, fluxos documentados e governança integrados, não acoplados depois.

A maioria dos “backends de IA” cola um LLM em CRUD. O AgentStack inverte: um núcleo universal de processamento multi-tenant com Field Access Policy, Protein Command System, Logic Engine, RAG, commerce, social, tempo real e economia on-chain AgentNet — e então um catálogo MCP + REST (800+ ações) para agentes operarem a mesma plataforma que desenvolvedores.

O tempo de integração de novos produtos é medido em minutos porque migrações, rollback, RBAC, billing e observabilidade fazem parte da arquitetura — não código improvisado no fim de semana.

Pilares arquiteturais

8DNA · Universal DNA layer

Orquestração de serviços com modelo de dados DNA universal — mesmo backbone conceitual em verticais SaaS, jogos, social e commerce.

Neural Router · Hot-path latency

Roteamento estilo O(1) com filosofia de cache agressivo — meta documentada <0,001s no hot path do router; construído para escala horizontal.

Protein Command System

Barramento de comandos universal alinhado a automação, ferramentas internas e execução no formato MCP — um vocabulário para scripts e agentes.

Field Access Policy (FAP)

Máscaras e triggers de campos por papel e usuário — exposição segura para REST, SDK e acesso mediado por LLM.

Logic Engine

Regras e processadores event-driven server-side — lógica de negócio sem um microserviço novo para cada ramo.

MCP integration plane

agentstack.execute with 800+ actions, discovery, health, and bundled AI prompts (workflows + use-case packs).

Dual-shell product UI

Experiências separadas usuário vs desenvolvedor/admin (mobile-first), estado de servidor TanStack Query, mais de 600 módulos de componentes, i18n.

Realtime split

SSE para streams de messenger e social; WebSockets para telemetria operacional/build — separação clara entre canais de produto e ops.

Prática de arquitetura de IA

Como a IA é limitada para se comportar bem em produção — não apenas qual modelo você chama.

Grandes sistemas de IA são interfaces + dados + política. Modelos mudam semanalmente; contratos e governança permanecem.

Prova · Métricas e destaques

Resultados de engenharia quantificados quando documentados — além do escopo entregue que demonstra ownership arquitetural. Além de features: decisões de arquitetura estão escritas e invariantes são impostas por CI — não por memória.

Resultados de engenharia da plataforma

Esses números aparecem na documentação de engenharia do AgentStack como metas de consolidação e arquitetura neural — resumem unificação intencional do core, não ajuste incidental.

Dimensão Resultado Notas
Consolidação do core ~87% menos serviços Redução documentada (15 → 2 serviços core principais) para reduzir coordenação e atrito operacional.
Uso de memória ~76% de redução Meta documentada de core unificado (822MB → metas na classe de 200MB na documentação de arquitetura).
Neural Router <0.001s · O(1) routing Orçamento de latência no hot path; pareado com disciplina de neural cache.
Eventos neurais 200,000+ events/s Classe de throughput para caminhos de orquestração event-driven.
Cache neural Meta de 95%+ de hit rate Projetado em roteamento e caminhos de plataforma com leitura intensa.
Superfície MCP 800+ actions Catálogo único orientado a descoberta para agentes — mesma plataforma que humanos.
Kit de UI de produto 600+ component modules · i18n Velocidade de entrega para superfícies admin + dashboard (`agentstack-frontend/src/components/`).
Registros de decisão de arquitetura (ADRs) 409 ADRs Uma decisão documentada por subsistema principal — `docs/adr/`, não conhecimento tribal.
Auditorias de CI de invariantes de arquitetura 202 scripts de auditoria Verificações automatizadas de limites (paridade de shell, superfície SEO, golden paths de hosting) além de testes unitários.
Cobertura de testes end-to-end 118 specs Playwright Hosting, commerce, CRM, bots, integrações, fluxos de segurança.

Números citados da documentação interna/de plataforma (guias de arquitetura, metas do neural router) e contagens diretas do repositório (ADRs, scripts de CI, specs e2e), verificados na data indicada no comentário de cada linha. Trate como afirmações de engenharia ligadas à intenção de design — disponível para discutir metodologia em call.

Escala do codebase: mais de 3.600 módulos Python (agentstack-core/) e mais de 4.000 módulos TypeScript/TSX (agentstack-frontend/src/) — contagem de arquivos, não de linhas, como métrica mais defensável.

Conquistas principais

Prova viva e verificável — não apenas afirmações:

Live multi-chain proof lab (/grants/demo) Hosted storefront demo (/s/2/demo-store/) MCP discovery endpoint llms.txt (AI discovery) cv.json (machine-readable) Trust & evidence hub Biblioteca de cartas de apresentação

Expansão da plataforma, 2025–2026

Ownership contínuo, não build único: subsystems principais entregues sobre o core original.

  • Commerce & Marketplace: Storefront Studio, seller activation, fulfillment orchestrator, cross-project marketplace checkout.
  • Automation: Bots Fleet (Telegram/WhatsApp/Instagram), Integration Hub (Zapier-class webhooks + recipes), Logic Engine V2 (visual flow builder, durable sagas).
  • CRM & Support: project-scoped CRM tissue, in-app AI-assisted customer support channel.
  • AI Builder Modular Renaissance: manifest-driven deterministic app composition, replacing prose-regenerated code with validated, testable builds.
  • Messenger reliability plane (0.4.17): unified history assembly, relay resume, local-first contours — CRDT bridge partial per ADR; SSE product streams + SharedWorker shell.
  • Conectar & Automate (0.4.15): Integration Hub GA — App Directory, OAuth, DataMapper, checkout→CRM recipe on Logic Engine.
  • Docs Living Plane (0.4.18): MCP stats SoT chain (matrix → snapshot → plugin/SDK); genetic-tag AI navigation genome.
  • Tenant 8DNA generation supply (0.4.18): sandbox fork → diff → gates → promote; deploy/tenant boundary enforced in CI.
  • Navigation & discovery: Platform Compass (unified omnibox), Discovery Hub, dual-shell audience-aware SPA, PTC comfort tasks.
  • Own AI-navigation framework: a genetic-tag indexing system (domain.subsystem.role.genN) that lets AI coding agents locate the right module tree in a large codebase without full-repo search — later exported as a portable starter kit for other projects.

Estudo de caso — de conflito de framework a primitiva de plataforma

Diante de código gerado por LLM quebrando por colisões de sintaxe de template entre produtos, em vez de corrigir cada ocorrência, redesenhei o contrato subjacente de comando/template para tornar essa classe de conflito estruturalmente impossível — padrão reutilizado nos gates de validação do pipeline do AI Builder.

Stack tecnológico

Backend (FastAPI, Pydantic, SQLAlchemy, 8DNA / Neural Router patterns, in-process work queue & cache — no Redis/Kafka dependency), frontend (React, Vite, Tailwind, dual-shell SPA, TanStack Query), data (PostgreSQL), LLM application architecture (MCP catalog, custom RAG engine, agent memory, agentic workflows), commerce (Stripe, wallets, buffs), real-time (SSE messenger, WebSocket ops), Web3 (Solidity, multi-chain testnet orchestration). Observability: Loguru, OpenTelemetry. Unified SDK (TypeScript @agentstack/sdk, React hooks). Cloud-native, multi-tenant, event-driven.

Linguagens de programação

Python

Avançado

FastAPI, Data processing, AI/ML integration, Automation

TypeScript/JavaScript

Avançado

React, Node.js, Real-time systems

C#

Especialista

Game development, Backend services, ASP.NET Core

Java

Avançado

Enterprise architecture, Microservices, System design

SQL

Especialista

PostgreSQL, Complex queries, Database optimization

Frameworks e plataformas backend

FastAPI

Avançado

REST APIs, async/await, MCP server, AgentStack core

Uvicorn / Starlette

Avançado

ASGI server, WebSocket support, production deployment

WebSockets & SSE

Especialista

WebSocket: build status, dashboards. SSE: messenger & real-time social (AgentStack)

Pydantic

Avançado

Data validation, settings, API schemas (v2)

Node.js

Avançado

Event-driven architecture, Real-time communication

ASP.NET Core

Avançado

Enterprise applications, Microservices

Django/Flask

Avançado

Rapid development, Data processing (pre-AgentStack projects)

Frontend e build (AgentStack)

React 18

Avançado

Hooks, concurrent features, dashboard & builder UI

TypeScript

Avançado

Strict mode, SDK types, frontend and tooling

Vite

Avançado

Build tooling, HMR, React plugin, base path

React Router v6

Avançado

SPA routing, nested routes, loaders

TanStack Query

Avançado

Server state, caching, invalidation (AgentStack)

Tailwind CSS

Avançado

Utility-first, design tokens, responsive UI

React Flow

Avançado

Node-based UIs, logic builder, diagrams

i18next / react-i18next

Avançado

Internationalization, locale switching

Unified SDK & hooks

Avançado

@agentstack/sdk, React package, protein-style API consumption

Vitest

Avançado

Frontend unit/integration tests, Vite-native runner (AgentStack)

Camada de API e dados

SQLAlchemy 2 (async)

Avançado

ORM, migrations, async engine, AgentStack core

asyncpg

Avançado

Async PostgreSQL driver, high performance

httpx

Avançado

Async HTTP client, outbound API calls

Bancos de dados e armazenamento

PostgreSQL

Especialista

Schema design, Complex queries, Performance tuning, JSONB

8DNA-native work queue & cache

Avançado

In-process queue/cache on unified DNA table (AgentStack) — chosen over Redis/Kafka to cut ops surface; Redis used in earlier enterprise/game-backend roles for caching & pub/sub

MongoDB

Avançado

Document storage, flexible schemas (pre-AgentStack projects; AgentStack itself is PostgreSQL-native)

Firebase

Avançado

Real-time databases, authentication, cloud functions (pre-AgentStack / indie projects)

Elasticsearch

Avançado

Full-text search, log aggregation (pre-AgentStack projects)

Auth, segurança e pagamentos

JWT / bcrypt

Especialista

Authentication, token validation, password hashing

Stripe

Avançado

Payment gateway, subscriptions, AgentStack billing

cryptography

Avançado

API keys, sensitive data, TLS

Observabilidade e ferramentas

Loguru

Avançado

Structured logging, rotation, AgentStack core

OpenTelemetry

Avançado

Traces, instrumentation (FastAPI, HTTP)

pytest / Jest

Especialista

Backend and frontend testing, async tests

ESLint / TypeScript

Especialista

Code quality, type-check, build pipeline

Expertise em IA / LLM

Orchestration of LLMs and agents, multi-agent patterns, MCP at scale (800+ catalog actions), discovery, workflow docs, use-case prompts (game, SaaS, ecommerce, social). Custom-built RAG engine (self-authored vector search & compression, no third-party vector DB), collections, semantic search, agent long-term memory. AI instruction design: system prompt bundles, structured workflows (understand → plan → build → publish), prevention-over-cure. Providers: OpenAI, Anthropic, local LLMs (Ollama, vLLM). Orchestration: self-built multi-stage pipeline (AgentStack AI Builder); LangChain/LangGraph evaluated in earlier prototypes, not in AgentStack production.

Stack IA/LLM — modelos, frameworks, infra

OpenAI / Anthropic

Avançado

API integration, function calling, structured outputs

Ollama / vLLM

Avançado

Local LLM deployment, model management, self-hosted

Custom AI Builder Orchestrator

Avançado

Self-built multi-stage pipeline (understand → plan → build → publish) with gate/repair-loop validation — not LangChain/LangGraph; those were evaluated in earlier, pre-AgentStack prototypes

Custom RAG Engine (TurboQuant)

Avançado

Self-built vector engine — Fast Walsh-Hadamard rotation + outlier-aware quantization (HGT algorithm from Google Research/DeepMind, ICLR 2026), ~8× compression, no third-party vector DB dependency

MCP Protocol

Especialista

agentstack.execute, 800+ actions, discovery, AI prompt bundle

RAG Systems

Avançado

Knowledge-augmented generation, retrieval, evals

Prompt / Instruction Design

Avançado

System prompts, workflows, MCP ai_prompt / use-case bundles, AI Builder

Web3 / Blockchain — economia AgentNet

Projetou e entregou camada de economia on-chain (AgentNet) com ledger Postgres append-only como fonte de verdade financeira, contratos EVM como âncoras públicas e orquestração multi-chain em testnet — não um token colado em banco de dados.

Status: testnet / estágio de evidência pré-mainnet (Base Sepolia, BSC testnet, Arbitrum Sepolia). Enquadramento de engenharia, não oferta financeira: esta seção descreve mecânica de contabilidade de vault e implementação de referência, não retornos de investimento.

Solidity Smart Contracts

Avançado

ERC-4626 yield vault (agUSD over USDT), ERC-8004 execution-proof registries, EIP-712 signed envelopes, Timelock governance

Multi-chain orchestration

Avançado

Base Sepolia, BSC testnet, Arbitrum Sepolia via a single ChainProfileRegistry; faucet + scenario orchestrator

On-chain anchoring & proofs

Avançado

Merkle checkpoints, hash-chained ledger batches, public verifiability without a shadow source of truth

Bridge & token economics

Avançado

Rate-limited, finality-aware mint/burn bridge policy; AGNT (utility) vs agUSD (vault shares) vs USDT payments — three separated rails by design

Laboratório de evidências ao vivo: agentstack.tech/grants/demo — public multi-chain proof timeline.

Verified testnet contract (AGNT, Base Sepolia) — cross-checked against docs/grants/evidence/grant_audit_pack_latest.json, 2026-07-07: sepolia.basescan.org/address/0x38aD…9a943 — source-verified, compiler v0.8.24. Testnet contracts may be redeployed; re-verify before relying on this address.

DevOps e infraestrutura

Docker

Especialista

Containerization, Image optimization, Multi-container setup

Kubernetes

Avançado

Orchestration, Scaling, Deployment

AWS

Avançado

EC2, Lambda, RDS, S3, CloudFront, API Gateway

GitHub/GitLab

Especialista

Version control, CI/CD, Complex workflows

Matriz de habilidades

Aligned with shipped platform work — multi-tenant core, MCP catalog, social & messenger (SSE), RAG, billing, unified SDK, Web3/AgentNet, observability.

Competências centrais

Python
TypeScript
FastAPI
React
PostgreSQL
Distributed Systems
System Architecture
Multi-tenant SaaS
MCP Protocol
RAG
Agentic AI
Solidity
Web3 / Blockchain
Event-Driven Architecture
CQRS
Real-time Systems
CI/CD
AI Systems Architecture

Arquitetura backend e design de sistemas

Habilidade Nível Experiência Contexto
System Architecture Design Especialista 10+ anos Game servers, microservices, distributed systems
Microservices / multi-tenant SaaS Avançado 8+ anos Per-tenant clusters, migrations, AgentStack production
API Design (REST/GraphQL) Especialista 10+ anos RESTful principles, GraphQL implementation
Database Schema Design Avançado 10+ anos PostgreSQL, MongoDB, normalization, optimization
Real-time Systems Architecture Especialista 8+ anos WebSocket, multiplayer backends, live data, AgentStack build status
Pydantic / API Schemas Avançado 3+ anos Validation, settings, OpenAPI, AgentStack core
SQLAlchemy (async) Avançado 3+ anos ORM, migrations, PostgreSQL, AgentStack
Field Access Policy (FAP) Avançado 2+ anos Role/user field masks, triggers, secure data exposure
Protein command bus / DNA ops Avançado 2+ anos Universal automation surface, integrations

Frontend e build

Tecnologia Nível Experiência Contexto
React (hooks, concurrent) Avançado 5+ anos Dashboard, builder UI, AgentStack frontend
TypeScript Avançado 6+ anos Strict mode, SDK types, frontend and tooling
Vite Avançado 2+ anos Build, HMR, React plugin, AgentStack
TanStack Query Avançado 2+ anos Server state, caching, AgentStack
Tailwind CSS Avançado 3+ anos Utility-first, responsive UI
React Flow Avançado 2+ anos Node-based UIs, logic builder
Dual-shell SPA / audience routing Avançado 1+ anos User vs dev surfaces, mobile-first admin (AgentStack)
SSE & real-time UX Avançado 2+ anos Messenger streams, social presence patterns

Linguagens de programação

Linguagem Nível Anos Uso atual
Python Avançado 5+ FastAPI, Pydantic, AgentStack core, AI/ML
TypeScript/JavaScript Avançado 6+ React, Vite, TanStack Query, AgentStack frontend
C# Especialista 10+ Legacy game dev, ASP.NET
Java Avançado 5+ Enterprise systems, Architecture
SQL Especialista 10+ Complex queries, optimization

Integração e otimização IA/LLM

Tecnologia Nível Experiência Especialização
Ollama Avançado 2+ anos Local LLM deployment, model management
LangChain / LangGraph Avançado 2+ anos LLM chains, prompt engineering, memory — evaluated in earlier prototypes, not in AgentStack production (AgentStack uses a custom orchestrator, see below)
Custom RAG Engine (TurboQuant) Avançado 2+ anos Self-built vector search — Fast Walsh-Hadamard rotation + outlier-aware quantization, ~8× compression; no third-party vector DB
MCP Protocol Especialista 2+ anos 800+ actions, discovery, workflow & use-case prompts
RAG Systems Avançado 2+ anos Collections, semantic search, agent memory (production)
Custom AI Builder orchestrator Avançado 2+ anos Multi-stage pipeline (understand → plan → build → publish), gate/repair-loop, function calling

Web3 / Blockchain

Tecnologia Nível Experiência Contexto
Solidity / EVM contracts Avançado 1+ anos ERC-4626 vault, ERC-8004 proof registries, EIP-712, Timelock governance (AgentNet)
Multi-chain orchestration Avançado 1+ anos Base Sepolia, BSC testnet, Arbitrum Sepolia via ChainProfileRegistry
On-chain anchoring & ledger design Avançado 1+ anos Merkle checkpoints, hash-chained batches, Postgres ledger as source of truth
Bridge & token economics design Avançado 1+ anos Rate-limited mint/burn policy, AGNT/agUSD/USDT rail separation

Auth, pagamentos e observabilidade

Área Nível Experiência Contexto
JWT / bcrypt / Auth Especialista 8+ anos Token validation, password hashing, AgentStack
Stripe / wallets / buffs Avançado 2+ anos Subscriptions, trials, multi-wallet economy
Loguru / OpenTelemetry Avançado 2+ anos Structured logging, traces, AgentStack
pytest / Jest Especialista 8+ anos Backend and frontend testing, async, AgentStack

Níveis de expertise

Nível 1 — Especialista (90–100%)

System Architecture
Backend API
Database Design
Real-time (WS + SSE)
CI/CD & DevOps
SOLID & Patterns
Problem-Solving
Game Development
MCP at Scale

Nível 2 — Avançado (70–89%)

Python
TypeScript
C#
Java
FastAPI
Pydantic
SQLAlchemy
React
Vite
TanStack Query
Tailwind
React Flow
PostgreSQL
8DNA Work Queue
AWS
Docker
Kubernetes
Stripe
Loguru
Ollama
LangChain
RAG
MCP Protocol
Unified SDK
AgentSocial
Multi-tenant SaaS
FAP / Data Governance
Solidity
Web3 / Blockchain

Nível 3 — Intermediário (50–69%)

Vue.js
Google Cloud
Apache Spark

Experiência profissional

Mais de 15 anos em backend e sistemas distribuídos; desenvolvimento de jogos, full-stack, IA/LLM e Web3. AgentStack — Sistema Universal de Processamento: MCP + REST (800+ ações), social e messenger, RAG, commerce, economia AgentNet, SDK unificado, UI de produto dual-shell.

2024 — Atual

Founder · Chief Architect & CTO — AgentStack.tech

AgentStack Platform

  • Designed and shipped a universal backend + admin UI with MCP + REST surface (800+ actions), and TypeScript/Python/React SDK — SaaS, games, social, commerce, and internal tools from one stack.
  • Delivered modular subsystems: auth (OAuth, 2FA), RBAC, scheduler, billing & wallets, buffs/trials, analytics, logic engine & processors, webhooks, AgentSocial (friends, followers, feed), messenger (SSE streams, relay resume, local-first reliability plane), RAG KB & agent memory, CRM, commerce & marketplace, bots & integration hub, game economy.
  • Platform architecture: multi-tenant clusters, Field Access Policy, protein command bus, Neural Router–style fast routing, instant migrations — aligned with production scale and ops.
  • Designed and shipped AgentNet — an on-chain economy layer (Solidity, ERC-4626 vault, ERC-8004 proof registries, multi-chain testnet orchestration) with an append-only ledger as financial source of truth and EVM contracts as public anchors, not a token bolted onto a database. See Web3 / AgentNet.
  • Frontend: dual-shell SPA (user vs developer), TanStack Query, 600+ component modules, i18n; AI-facing docs and MCP bundles (workflows, use-case prompts).
  • Defined AI instruction design for Builder and MCP agents: minimalism, safety-first, decomposition; prevention-over-cure prompts and structured workflows.
  • Solo-architected end-to-end — from empty repository to a multi-tenant platform with 800+ catalog actions, 409 ADRs, and 202 root CI scripts de auditoria, without a dedicated human engineering team; used an AI-agent-augmented workflow (structured prompts, genetic-tag codebase navigation, controlled-change discipline) as a force multiplier — itself a case study in AI-assisted systems engineering.
  • Impacto: Fast MVP delivery, low integration friction, predictable TCO; stability and scalability as first-class product constraints.

Tech: Python, FastAPI, PostgreSQL, Docker, Compose, queues, Stripe and payment rails, Solidity/EVM. React, TypeScript, Vite, Vitest. MCP, RAG, WebSockets (ops), SSE (chat). Observability: Loguru, OpenTelemetry. IDE/agent plugins: Cursor, Claude, GPT, VS Code.

Python FastAPI React MCP RAG Agentic AI Prompt Design Stripe SSE AgentSocial Unified SDK Solidity / Web3 System Architecture
2023 - 2024

Senior Unity Developer

Dreamfrost Studio

Led development of Skybringer: Idle RPG—adaptive UI, core mechanics, SDK expansion—shipping on mobile and desktop-class targets.

Unity C# Game Mechanics UI/UX
2020 - 2023

Indie Game & Software Developer

World4Play

  • Owned architecture end to end for a small indie studio — solo/small-team delivery across design, backend, and client.
  • Built cloud-backed multiplayer services (matchmaking, save-state sync, cross-platform accounts) reused across multiple prototypes instead of rebuilt per game.
  • Impacto: shipped playable, monetizable builds on a small-team budget by treating infrastructure as a reusable asset, not a one-off cost per project.
Unity C# Full-Stack Cloud
2018 - 2020

Senior Unity Developer

Toadman Interactive (Stockholm)

  • Shipped multiplayer FPS Block N Load and hardcore action-RPG Immortal: Unchained on PC and consoles (PlayStation, Xbox) — performance-critical gameplay code under fixed console cert deadlines.
  • Built Chronos, an internal data-analytics platform used across studio projects — first exposure to production data pipelines outside of game-client code.
  • Impacto: stable multiplayer netcode under console certification constraints; shared tooling reduced duplicated analytics work across titles.
Multiplayer Performance Data Analytics
2014 - 2018

Unity Developer

ArtPlant (Oslo)

  • Shipped MMORPG Entropy and cooperative survival Grimm: Dark Legacy — networking-heavy gameplay with persistent world state across PC & consoles.
  • Built and iterated mechanics prototypes used to validate game design decisions before full production commitment.
  • Impacto: early foundation in networked, stateful systems that later generalized directly into distributed backend and real-time messenger work.
Unity Game Design Networking

Formação e background

Engenheiro autodidata orientado a portfólio — sem diploma formal em CS. Mais de 15 anos de sistemas de produção entregues (jogos → backends distribuídos → infraestrutura de IA) como credencial principal; decisões de arquitetura documentadas em 409 ADRs, não apenas pelo título.

Idiomas

Inglês — proficiência profissional Russo — nativo Português — básico / em aprendizado

Contato

Consultoria e colaboração: arquitetura de sistemas de IA, integração MCP (catálogos grandes de ações), RAG e memória de agentes, BaaS multi-tenant, billing, social em tempo real, Web3/AgentNet — e ecossistema AgentStack.

Aleksandr Vasilev

Arquiteto de Sistemas de IA · Full-Stack · Fundador, AgentStack.tech

Aberto a: CTO fracionado / consultoria de arquitetura Engajamentos como co-fundador técnico Vagas Staff/Principal Architect Investimento e parceria estratégica (AgentStack)

Disponibilidade

Remoto-first · GMT-3 (Brasil, Santos) · Aberto a discutir novos projetos

E-mail

lance@world4play.com

Localização

Santos, São Paulo, Brazil

LinkedIn

linkedin.com/in/alexanderlance

WhatsApp

+55 (13) 99800-4433

Telefone

+55 (13) 99800-4433

Telegram

@LanceW4P