No fluff.
Just what works.
Technical articles on building AI systems that run in production. Architecture decisions, code, lessons learned.
Wie Sie Ihr Budget bei AI-Agenten schützen: 5 Claude Code und Codex Production-Fehler, die sich vermeiden lassen
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. In meinem DennisCraft AI Studio entwickle und betreibe ich autonome Multi-Agenten-Systeme für DACH-B2B-Kunden in Logistik, Fintech und Industrieautomation. Mein Stack: Claude, Supabase, n8n, Doppler und selbstgehostetes Postgres. Jede zweite Produktiv-Störung der letzten zwölf Monate ist auf fehlende Sicherheitsmechanismen in LLM-Agenten zurückzuführen – und hätte vermieden werden können. 1. Injektionsrisiken und Code-Leaks
How to avoid burning your budget on AI agents: 5 Claude Code and Codex production failures you can prevent
I’m Denis Shokhirev, Agentic AI Systems Architect based in Freiburg im Breisgau, Germany. At DennisCraft AI Studio, I build and operate autonomous AI systems for DACH B2B clients—using Claude, Supabase, n8n, Doppler, and self-hosted Postgres. Here’s the truth: in production, every shortcut in LLM agent design returns as a budget overrun or an outage. 1. Injection flaws and code leaks from auto-generated code Claude Code and Codex generate code, but do not inherently filter out dangerous patte
Как не сжечь бюджет на AI-агентах: 5 production-провалов Claude Code и Codex, которые можно было избежать
Я — Denis Shokhirev, архитектор агентных AI-систем из Фрайбурга, Германия. В DennisCraft AI Studio я внедряю автономные multi-agent решения для B2B-клиентов DACH: логистика, финтех, индустриальная автоматизация. Мой production-стек — Claude, Supabase, n8n, Doppler, self-hosted Postgres. Боль: каждая третья интеграция LLM-агентов в Европе заканчивается перерасходом бюджета из-за production-ошибок, которые можно было поймать на этапе дизайна. 1. Инъекции и утечки в автогенерируемом коде Claude
Wie Claude Code PC-Spiele modifiziert: Automatisierte Reverse-Analyse, Asset-Generierung und In-Game-Tests mit Agenten
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau — mein Stack: Claude, Supabase, n8n, Doppler und selbst gehostetes Postgres. Für einen B2B-Kunden in der DACH-Region wurde ich mit einer Aufgabe aus dem Produktionsalltag konfrontiert: Eine ältere Simulationssoftware sollte automatisiert gemoddet werden, jedoch ohne SDK, ohne Dokumentation – und das stabil und auditierbar, nicht als Demo. Manuelle Reverse-Analyse, Asset-Tausch und Trial-and-Error-Testing sind im regulierten Um
How Claude Code Mods Any PC Game: Automating Reverse Engineering, Art Generation, and In-Game Testing with Agents
I’m Denis Shokhirev, Agentic AI Systems Architect based in Freiburg, Germany. My stack: Claude, Supabase, n8n, Doppler, and self-hosted Postgres. In a recent B2B client engagement, I needed to automate reverse engineering and modding of a legacy simulation game—no SDK, no docs, and it had to run in production, not as a one-off demo. Manual disassembly, resource patching, and trial-and-error testing were non-starters: I needed a maintainable, auditable pipeline that could survive updates and comp
Как Claude Code теперь модит любые PC-игры: автоматизация реверса, генерация арта и тестирование через агентов
Я — Denis Shokhirev, архитектор агентных AI-систем из Фрайбурга, Германия, мой стек — Claude, Supabase, n8n, Doppler, self-hosted Postgres. Недавно в одном проекте для B2B-клиента столкнулся с требованием: автоматизировать реверс и моддинг устаревшей логистической симуляции без доступа к SDK. Ручной разбор EXE, ресурсы, костыли — не вариант: нужен стабильный пайплайн для продакшна, а не игрушка для демо. Моддинг через Claude Code: почему теперь это не хардкор Традиционный моддинг — ручной диз
Warum Ihre KI-Agenten im Produktivbetrieb scheitern: 5 Integrationsfehler mit Codex, Claude Code und Agentic Harness
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. In meinem Studio DennisCraft AI setze ich autonome Multi-Agentensysteme für DACH-B2B-Kunden produktiv ein, mit Claude, Supabase, n8n, Doppler und eigener Postgres-Instanz. Im Live-Betrieb tauchen Fehler auf, die in der Demo-Phase unsichtbar bleiben – und fast immer liegt es am Integrationslayer, nicht am Modell selbst. 1. Fehlender statischer Code-Check für LLM-Generierung Viele Teams vertrauen darauf, dass Codex oder Clau
Why Your AI Agents Fail in Production: 5 Integration Pitfalls with Codex, Claude Code, and Agentic Harness
I’m Denis Shokhirev, an Agentic AI Systems Architect running DennisCraft AI Studio in Freiburg im Breisgau, Germany. My stack is Claude, Supabase, n8n, Doppler, and self-hosted Postgres. Every time I deploy a multi-agent system for a DACH B2B client, production failures show up that the demo never revealed — and it’s always the integration layer, not the model, that cracks first. 1. Skipping Static Analysis of LLM-Generated Code Too many teams trust Codex or Claude Code to output “safe” code,
Почему ваши AI-агенты падают в проде: 5 ошибок интеграции Codex, Claude Code и agentic harness
Я — Денис Шохирев, архитектор agentic AI-систем из Фрайбурга. В DennisCraft AI Studio я постоянно вывожу мультиагентные системы на прод для B2B-клиентов в DACH. Мой стек: Claude, Supabase, n8n, Doppler, self-hosted Postgres. Как только первый реальный клиент запускает своего агента на живых данных — начинаются сбои, которые демо-скрипт не ловит. Ошибка 1: Игнорирование статического анализа LLM-кода Большинство интеграций Codex или Claude Code фокусируется на красивых промптах, но не на безопа
Claude-Watermarking: Beeinträchtigt es die Textqualität und schafft neue Geschäftsrisiken?
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. In meinem DennisCraft AI Studio liefere ich produktionsreife Multi-Agenten-AI-Systeme für DACH-B2B-Kunden in Logistik, Fintech und Industrieautomation – auf Basis von Claude, Supabase, n8n, Doppler und selbst gehostetem Postgres. Im letzten Quartal fragte ein Compliance-Officer eines Industriekunden gezielt nach, ob Claude-generierte Texte durch Watermarking “erkennbar” und auditierbar sind. Diese Anfrage war kein Einzelfall.
Claude's Watermarking: Does It Degrade AI Text Quality and Create Business Risks?
I'm Denis Shokhirev, Agentic AI Systems Architect based in Freiburg. At DennisCraft AI Studio, I ship production-grade multi-agent AI for DACH B2B clients—logistics, fintech, industrial automation—using Claude, Supabase, n8n, Doppler, and self-hosted Postgres. The first time a client noticed "robotic" language in their contract drafts, it led me to dig into Claude's watermarking and its real impact on text quality and business risk. This isn't theory—it's what happens in production. What is Cl
Вся правда о водяных знаках в Claude: как watermark влияет на качество AI-текста и бизнес-риски
Я — Денис Шохирев, архитектор агентных AI-систем из Фрайбурга. В DennisCraft AI Studio внедряю multi-agent AI в продакшн для логистики, финтеха и промышленной автоматизации по DACH. Мой production stack — Claude, Supabase, n8n, Doppler, self-hosted Postgres. Недавно пришлось объяснять клиенту, почему Claude вставляет watermarks в тексты — и какие реальные последствия это несёт для B2B в Европе. Ниже — не теоретические рассуждения, а разбор проблем из собственного продакшна. Что такое watermark
KI-Agenten für Langzeitaufgaben: Ein komplettes Dev-Team auf 5GB VRAM mit late-cli betreiben
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. Ich betreibe bei DennisCraft AI Studio autonome Multi-Agenten-Systeme im produktiven Einsatz für DACH-B2B-Kunden. Mein Stack: Claude, Supabase, n8n, Doppler, selbst gehostetes Postgres. Auf einem aktuellen Projekt in der Industrieautomation war die Vorgabe: KI-basierte Dev-Pipeline liefern – aber auf Hardware mit nur 5GB VRAM. Showcases funktionieren, doch im regulierten Produktivbetrieb ist das ein echter Engpass. Das Prob
AI Agents for Long-Horizon Tasks: Running a Full Dev Team on 5GB VRAM with late-cli
I'm Denis Shokhirev, Agentic AI Systems Architect based in Freiburg. At DennisCraft AI Studio I ship autonomous multi-agent systems to production for DACH B2B clients—my stack: Claude, Supabase, n8n, Doppler, and self-hosted Postgres. On a recent industrial automation deployment, I ran into a hard constraint: ship a production-grade AI dev pipeline, but the only GPU available had 5GB VRAM. This isn't a demo. It's a real-world bottleneck that eats your delivery timeline. The Challenge: Long-Hor
AI-агенты для длинных задач: как запускать команду разработчиков на 5GB VRAM с late-cli
Я — Денис Шохирев, Agentic AI Systems Architect из Фрайбурга. В DennisCraft AI Studio я вывожу автономные multi-agent системы в прод для DACH-клиентов. Мой стек: Claude, Supabase, n8n, Doppler, self-hosted Postgres. Недавно на проекте для индустриального заказчика столкнулся с жёстким ограничением: нужен был production-grade AI pipeline, а GPU — только 5GB VRAM. В демо это не проблема, но в проде — реальный technical debt. Проблема длинных задач на ограниченном железе Большинство примеров мул
Technische Schulden und Architekturprobleme in TypeScript/JS sofort erkennen: Automatisiertes Codebase-Audit mit fallow
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau — Ich entwickle und betreibe autonome Multi-Agenten-Systeme für DACH-B2B-Kunden auf Basis von Claude, Supabase, n8n, Doppler und selbst gehostetem Postgres. In produktiven Projekten erleben Sie es oft: Wochenlanges manuelles Review, trotzdem bleiben zyklische Abhängigkeiten, toter Code und Architekturfehler unentdeckt. Mit fallow identifiziere ich diese Schwachstellen in weniger als 30 Minuten — DSGVO-konform, lokal, ohne Demo
How to Instantly Spot Technical Debt and Architecture Issues in TypeScript/JS: Automated Codebase Audits with fallow
I'm Denis Shokhirev, Agentic AI Systems Architect based in Freiburg, running DennisCraft AI Studio on a Claude, Supabase, n8n, Doppler, and self-hosted Postgres stack. In B2B production environments, I've repeatedly seen supposedly "well-reviewed" TypeScript/JS projects go live with invisible technical debt — cyclic dependencies, dead code, and architectural anti-patterns that manual reviews consistently miss. Automated code audits with fallow have exposed these issues in under 30 minutes, even
Как быстро найти технический долг и архитектурные проблемы в TypeScript/JS проекте: автоматизированный аудит кода с fallow
Я — Денис Шохирев, архитектор агентных AI-систем из Фрайбурга, работаю на стеке Claude, Supabase, n8n, Doppler, self-hosted Postgres. В продакшне B2B-клиентов DACH простая задача: быстро и объективно вытащить технический долг в TypeScript/JS проекте, который уже приносит деньги — без “ревью ради ревью” и долгих демо. На одной из внедрённых мной multi-agent систем fallow за 30 минут вскрыл реальные архитектурные дыры, которые не видели месяцами. Проблема ручного аудита: субъективность, медленно
OpenAI Dots: Ihr KI-Agent arbeitet rund um die Uhr – auch offline. Wie Sie bereitstellen und welche Risiken für Ihr Unternehmen bestehen
von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. Bei DennisCraft AI Studio entwickle ich autonome Multi-Agent-Systeme für DACH-B2B-Kunden (Logistik, Fintech, industrielle Automatisierung). Mein Stack: Claude, Supabase, n8n, Doppler, self-hosted Postgres. KI-Agenten laufen in produktiven Umgebungen rund um die Uhr – auch wenn kein Mensch aktiv überwacht. Genau dort entstehen die echten Risiken und regulatorischen Anforderungen. Warum „24/7-Agenten“ mehr sind als Chatbots
OpenAI Dots: Your AI Agent Works 24/7 Even When You're Offline — How to Deploy and What Are the Business Risks
I'm Denis Shokhirev, Agentic AI Systems Architect in Freiburg, running DennisCraft AI Studio. I deploy autonomous multi-agent systems for DACH B2B clients—logistics, fintech, industrial automation—using Claude, Supabase, n8n, Doppler, and self-hosted Postgres. In production, agents operate 24/7, even if no one is watching. That's where the real risks (and value) emerge. Why “24/7 Agents” Are Not Just Slack Bots Most demos run only on manual triggers or in sandboxes. In production, agents proc