Senior eCommerce Engineering
Két évtized mély eCommerce-tapasztalat. Az AI szorzóerő — nem rövidítés.
Gyorsabb szállítás — architektúra, tesztelés és production-fegyelem megtartásával.
Megbíznak bennem
AI × Tapasztalat
Az AI nem helyettesíti az engineering tapasztalatot. Megsokszorozza.
20+ év tapasztalat
×
AI / LLM
↓
mélyebb vizsgálat
↓
gyorsabb validáció
↓
rövidebb ciklusok
↓
production-kész szállítás
A mély domain tudás határozza meg, mit kell építeni, és hol vannak a kockázatok. Az AI felgyorsítja az utat a problémától a működő megoldásig — architektúra, tesztelés és production-fegyelem megtartásával.
Ugyanaz az ív, amely a commerce-t a monolitból a composable felé vitte, most magára az engineeringre is érvényes — az AI a következő tőkeáttétel, nem az architektúra és a production-fegyelem helyettesítője.
Stack
A monolit platformoktól a composable commerce-ig — ugyanez az engineering ív most az AI-támogatott delivery-ig nyúlik.
Konkrét példák
Valódi gyorsulás production workflow-kból — nem hipotetikus ígéretek.
Vizsgálat
2–3 nap függőségek, dead code és integrációs pontok követése ismeretlen legacy codebase-ben.
Fél nap AI-támogatott code mappinggel — kritikus útvonalak azonosítva, kockázatok dokumentálva, csapat aligned.
Architektúra
1–2 hét whiteboard session és spike kód az integrációs megközelítések értékeléséhez.
2–3 nap — több architektúra opció prototípusa, trade-offok dokumentálva, döntéskész állapot.
Integrációk
1 hét connector scaffolding, error handling és test fixture írása új ERP integrációhoz.
1–2 nap — boilerplate generálva és finomítva, az engineer a business logicra és edge case-ekre fókuszál.
Minőség
Napok intermittent checkout hibák reprodukálásával staging és production logok között.
Órák — AI-támogatott log elemzés és teszteset generálás hatékonyabban szűkíti a gyökérokot.
Scope
A nehéz eCommerce problémák ismétlődnek — legacy adósság, törékeny integrációk, performance nagy skálán.
Greenfield storefrontok és commerce backendek — Shopify, commercetools, Saleor, Medusa vagy egyedi stackek — az architektúrától a productionig.
Legacy monolitoktól headless és composable architektúrák felé — beleértve a Magentót és az Adobe Commerce-t — üzleti logika és uptime elvesztése nélkül.
Évek technikai adósságának, törött integrációknak és törékeny deployoknak a kibogozása — fokozatos modernizáció, nem big-bang újraírás.
ERP, PIM, fizetés, szállítás és marketplace csatlakozók — event-driven pipeline-ok a megbízhatóságért nagy skálán.
Lassú checkout, adatbázis-szűk keresztmetszetek, cache invalidáció — a gyökérokoknál javítva, monolit és composable stackeken át.
LLM-ek, RAG, agentek és MCP eszközök a vizsgálat, prototípuskészítés és delivery gyorsítására — az engineering minőség feláldozása nélkül.
Hands-on senior engineering támogatás elosztott csapatoknak — architektúra döntések, code review-k és production szállítás.
Digitális szuverenitás
Technológiai függetlenség · csökkentett vendor lock-in
A digitális szuverenitás politikai fogalom — gyakorlatban azt jelenti: kontroll a stack, az adatok és a lehetőségek felett.
A vendor lock-in felméréstől az open-source migráción át a technológiafüggetlen architektúráig.
Tovább →Bizonyíték
Rólam
Két évtized mély eCommerce-tapasztalat. Az AI szorzóerő — nem rövidítés.
Több mint két évtized eCommerce építése — monolit platformoktól és egyedi PHP-tól a React, Next.js és modern commerce API-kra épülő composable architektúrákig.
A legacy rendszerek, beleértve a Magentót és az Adobe Commerce-t, továbbra is a scope része — a Shopify, commercetools, Saleor, Medusa és greenfield headless mellett. A tartalom- és portálrendszerek, például a TYPO3 — gyakori a DACH enterprise-ben — ott kapcsolódnak a commerce-hez, ahol a katalógus és a tartalom találkozik.
A munka architektúrát, full-stack fejlesztést, integrációkat, performance-t és technikai vezetést ölel fel nemzetközi csapatokban.
Alapértelmezetten hands-on: kódot olvasni, rendszereket tervezni és productionbe szállítani — nem a partvonalról tanácsolni.
Az AI és LLM eszközök a következő szorzó — nem rövidítés — felgyorsítják a vizsgálatot, a prototípuskészítést és az ismétlődő engineeringet anélkül, hogy helyettesítenék a production tapasztalatból származó ítélőképességet.