Outflow

Entwickelte eine KI-gestützte Plattform für persönliche Finanzen mit Flask und PostgreSQL, einschließlich eines konversationellen Assistenten, der Ausgaben hinzufügen, aktualisieren, löschen und Fragen zu Ausgaben natürlichsprachlich beantworten kann.

Entwarf eine KI-Pipeline mit Groq Llama 3 mit Intent Routing, strukturierten JSON-Antworten, Voice-to-Text-Transkription via Whisper und menschlicher Bestätigung vor Datenbankaktualisierungen.

Implementierte produktionsorientierte KI-Leitplanken einschließlich Pydantic-Schema-Validierung, Rate Limiting, Intent-Validierung, Durchsetzung von Geschäftsregeln und Datenbankisolierung, um zuverlässige und sichere LLM-Interaktionen zu gewährleisten.

Entwickelte ein responsives serverseitig gerendertes Frontend mit Jinja2, Vanilla JavaScript, AJAX-gesteuerten Interaktionen, interaktiven Analysen, benutzerdefiniertem CSS, Dark Mode und einem sofortigen Demo-Modus mit isolierten Benutzersitzungen.

Implementierte eine produktionsfokussierte Backend-Architektur mit rohem parametrisiertem SQL, Flask Limiter, CSRF-Schutz, sicherer sitzungsbasierter Authentifizierung, Alembic-Datenbankmigrationen und strikter Trennung zwischen KI-Reasoning und Datenbankausführung.

Containerisierte die Anwendung mit Docker und stellte sie auf Microsoft Azure App Service mit Gunicorn, Azure Container Registry und Neon PostgreSQL bereit.