Personal ML Engineering Lab

Строю ML‑системы, которые можно проверить

Практическая лаборатория будущего ML Engineer: работа с данными, метриками, inference API и воспроизводимыми экспериментами.

static-firstpublic layer ready

Learning path

API как основной слой проекта

Публичные данные, защищённый gateway и технические метрики разделены по понятным уровням доступа.

Public

Каталог, поиск, метаданные и разрешённые локальные PDF доступны гостям без ключа.

Account

Логин, recovery, ручной AI approval, персональные ключи и квоты собраны в одном кабинете.

Serve

OpenAI-совместимый интерфейс, квоты и статистика доступны только после ручного одобрения.

Access model

Гость читает библиотеку и использует её публичный API. Обычный аккаунт не получает доступ к AI API автоматически.

Guest

Поиск, карточки работ, встроенный reader и публичные метаданные доступны без входа.

Account

Логин, recovery-код, история квот и заявка на AI-доступ без обязательной почты.

Approved

AI Workbench на Crawling Chaos и персональные gateway-ключи включаются только после ручного решения администратора.

Live API

Проверка выполняется из браузера через публичные health, catalog и session endpoints текущего домена.

Hostname—

Backendпроверяем…

OpenAIпроверяем…

Anthropic / Claudeпроверяем…

Edge AIпроверяем…

Статей—

Текущая сессия—

AI-доступ—

Quick start

Без ключа

GET /api/library/v1/papers
GET /api/library/v1/search?q=attention
GET /api/library/v1/papers/{id}

После approval · Edge

GET /api/v1/models
POST /api/v1/chat/completions · OpenAI + Claude
POST /api/v1/responses · OpenAI
Все AI-маршруты — только на Crawling Chaos.