v8.0 · 8 ans en production, maintenant des agents IA en plus

Je construis des outils alimentés par l'IA sur 8 ans d'expérience fullstack en production.

Ingénieur fullstack senior (PHP / Laravel / Flutter). J'apporte aujourd'hui le SDK Claude et les LLM open-source aux problèmes e-commerce et PME que je résous depuis presque une décennie.

Réserver un appel de 15 min Lire la doc GitHub

$ npm i @anthropic-ai/sdk·Disponible en CDI remote et freelance·FR / EN

app/api/agent/route.ts

TypeScript

import Anthropic from "@anthropic-ai/sdk";

const claude = new Anthropic();

const reply = await claude.messages.create({
  model: "claude-opus-4-7",
  tools: shopTools,        // search_orders, refund...
  system: shopContext(),   // catalog, policies, FAQs
  messages: [{
    role: "user",
    content: "Last week's PrestaShop refunds over €100?",
  }],
});

// → agent reasons, calls tools, returns the answer.

AiSupportController.php

PHP

// app/Http/Controllers/AiSupportController.php

public function ask(Request $request): JsonResponse
{
    $answer = $this->claude->messages()->create([
        'model'    => 'claude-sonnet-4-6',
        'system'   => $this->shopContext(),
        'tools'    => $this->shopTools(),
        'messages' => [
            ['role' => 'user', 'content' => $request->prompt],
        ],
    ]);

    return response()->json(['answer' => $answer->content]);
}

claude_scorer.py

Python

# career_os/scorer/claude_scorer.py

def score_job(job: Job) -> JobScore:
    prompt = render_scorer_prompt(job, profile=USER_PROFILE)

    resp = claude.messages.create(
        model="claude-sonnet-4-6",
        system=SYSTEM_PROMPT,
        messages=[{"role": "user", "content": prompt}],
        max_tokens=512,
    )

    return parse_score(resp.content[0].text)
    # → {"fit": 87, "pros": [...], "cons": [...], "angle": "..."}

career-os · cli

Bash

$ career-os fetch
  ✓ 224 jobs from 3 sources

$ career-os score
  ✓ scored 224 jobs · top fit: 92

$ career-os draft
  ✓ drafted 4 outreach emails

$ career-os digest --send
  ✓ sent to me@bak-dev.com

annees_en_production

Je livre en PHP / Laravel / Flutter depuis 2018.

stacks_actives

PHP · Laravel · Flutter · Vue · Python — rotation quotidienne.

temps_de_reponse

Première réponse · email & LinkedIn · jours ouvrés.

// intégrations

La stack avec laquelle je travaille au quotidien

Voir la bio complète →

// ce que je construis

Du prompt à l'endpoint en production.

Je ne vous laisse pas avec un notebook et un vœu. Je livre toute la stack autour du modèle — APIs typées, queues, observabilité, déploiements.

Brancher l'IA sur votre stack existante

Brancher Claude ou un LLM open-source à votre app Laravel / PrestaShop / Vue / Flutter, sans réécriture. Tool use, prompt caching, sortie structurée — des patterns éprouvés en production.

app/api/agent/route.ts

TypeScript

import Anthropic from "@anthropic-ai/sdk";

const claude = new Anthropic();

const reply = await claude.messages.create({
  model: "claude-opus-4-7",
  tools: shopTools,        // search_orders, refund...
  system: shopContext(),   // catalog, policies, FAQs
  messages: [{
    role: "user",
    content: "Last week's PrestaShop refunds over €100?",
  }],
});

// → agent reasons, calls tools, returns the answer.

Construire la couche contrôleur qui le gère

Huit ans de PHP/Laravel en production. Je conçois l'endpoint, la queue, les rate limits et les modes de défaillance — pas seulement le prompt.

AiSupportController.php

PHP

// app/Http/Controllers/AiSupportController.php

public function ask(Request $request): JsonResponse
{
    $answer = $this->claude->messages()->create([
        'model'    => 'claude-sonnet-4-6',
        'system'   => $this->shopContext(),
        'tools'    => $this->shopTools(),
        'messages' => [
            ['role' => 'user', 'content' => $request->prompt],
        ],
    ]);

    return response()->json(['answer' => $answer->content]);
}

Livrer le système d'agent complet

Career-OS en est l'exemple : scrapers Python, scorer Claude avec prompt caching, store SQLite, drafter d'outreach, CLI. Sous licence MIT, chaque commit public.

claude_scorer.py

Python

# career_os/scorer/claude_scorer.py

def score_job(job: Job) -> JobScore:
    prompt = render_scorer_prompt(job, profile=USER_PROFILE)

    resp = claude.messages.create(
        model="claude-sonnet-4-6",
        system=SYSTEM_PROMPT,
        messages=[{"role": "user", "content": prompt}],
        max_tokens=512,
    )

    return parse_score(resp.content[0].text)
    # → {"fit": 87, "pros": [...], "cons": [...], "angle": "..."}

// pourquoi moi spécifiquement

Pas un "prompt jockey", pas une agence générique.

Capacité	Agence IA générique	Prompt engineer solo	Travailler avec Akram
8+ ans en production
Domaine e-commerce / PME réel (PrestaShop, Laravel)
Prise en charge end-to-end (pas seulement les prompts)
SDK Claude + LLM open-source (Ollama, vLLM)
Construit en public — code sur GitHub
Bilingue français / anglais
Ligne directe, pas de couche commerciale

Je construis actuellement

Career-OS — un tableau de bord à base d'agents IA, en public.

Scrape les opportunités remote et freelance, score le fit avec Claude, rédige les outreach, suit le pipeline de bout en bout. Python, SDK Claude, SQLite. Sous licence MIT.

pythonclaude-sdksqliteclimit

akrambak/career-os

# quick start

$ pip install -e ".[dev]"

$ career-os fetch

$ career-os score

// prenez contact

Construisons quelque chose ensemble.

Vous recrutez un fullstack / ingénieur IA senior, ou vous avez besoin d'un agent SDK Claude greffé sur votre stack e-commerce ? Envoyez-moi le brief.

Démarrer la conversation Comment travailler avec moi

ou envoyez un email à me@bak-dev.com