Porträt des Softwareentwicklers Anas Khan

Anas Khan.

Softwareentwickler.
ÜBER MICH
tagsüber Entwickler
nachts am Tüfteln
Ich bin neugierig und begeistere mich für alles rund um Technik.

Programmiersprachen.

Python
Golang
TypeScript

Backend.

FastAPI
Django
Express

Datenbanken.

PostgreSQL
MongoDB
SQLite
BERUFSERFAHRUNG

Microsoft

Seit Mai 2026
TypeScript
React
LLMs
Spark
Softwareentwickler
Bei Microsoft Cloud + AI entwickle ich Data-Engineering-Funktionen und agentenbasierte Entwicklerwerkzeuge für Kundinnen und Kunden von Microsoft Fabric. Dazu gehören Lakehouse, Notebooks, Spark Job Definitions, Synapse Studio und Monitoring.
BERUFSERFAHRUNG

CircuitVerse

Seit Mai 2026
Ruby
Rails
Vue
Mentor bei Google Summer of Code 2026

Ich betreue ein Projekt im Rahmen des Google Summer of Code 2026.

  • Aufgabenverwaltung und Unterrichtsabläufe Ich begleite die Entwicklung einer Untergruppenverwaltung, von Teamaufgaben und einer Bibliothek mit Schaltungsvorlagen, die durch Simulation automatisch bewertet werden. Dazu kommt die Anbindung von Canvas über LTI 1.3.
BERUFSERFAHRUNG

HackerRank

Jan. 2025 bis Mai 2026
Ruby
Rails
Python
Softwareentwickler

Ich habe an Zahlungssystemen, LLMs, Sprachfunktionen und neuen Produkten gearbeitet.

  • HackerRank MCP Sicherer Zugriff auf HackerRank-Ressourcen aus KI-Tools.
  • HackerRank Orchestrate Hackathons für KI-Agenten und die zugehörige Bewertungs-Pipeline, darunter Agent Files und Interviews mit einem sprachbasierten KI-Juror. Ein Blick hinter die Kulissen (verfasst im Namen des CEO).
  • AI Mock Interviews Sprachbasierte Übungen für technische Vorgespräche, verhaltensbezogene Interviews und den Umgang mit KI.
  • Hiring Agent Eine Open-Source-Pipeline zum Bewerten und Bepunkten von Lebensläufen.
  • HackerRank Learn Ein früher Prototyp für praxisnahe KI-Kurse mit echten Projekten.
Praktikant in der Softwareentwicklung
Mit HackerRank Labs habe ich an wiederkehrenden Einnahmen und Abonnements gearbeitet. Ein Slack-Bot mit Ruby on Rails und der Salesforce-API automatisierte die Einrichtung für Unternehmenskunden. Ich habe Open-Source-LLMs (LLaMA 3.2, DeepSeek-7B, Gemma 3 und Phi-4 14B) verglichen und für effiziente Inferenz feinabgestimmt. Mit Python, Playwright und NLTK entwickelte ich einen skalierbaren, verteilten Webcrawler und Scraper mit 94 Prozent Genauigkeit bei der Kennzeichnung. Mein Vorgesetzter war Hari, der CTO.
BERUFSERFAHRUNG

Google DeepMind

Mai 2025 bis Nov. 2025
Python
TypeScript
LLMs
Forschung
Agentenbasierte KI
Mitwirkender bei Google Summer of Code 2025
Ich habe Auswertungs-Pipelines für Gemini, Gemma und andere multimodale Sprachmodelle auf erweiterten Open-Source-Programmierbenchmarks entwickelt. Im Mittelpunkt standen Bildverständnis, Frontend-Codegenerierung aus Entwürfen und Schlussfolgerungen über Benutzeroberflächen. Ein iteratives Auswertungssystem veröffentlichte die Ergebnisse automatisch auf Hugging Face Spaces.
BERUFSERFAHRUNG

FamPay (YC S19)

Aug. 2024 bis Nov. 2024
Python
Django
Go
Postgres
AWS
Celery
Docker
Praktikant in der Backend-Entwicklung
Mit Django entwickelte ich einen skalierbaren Dienst zur Datenlöschung, der regulatorische Vorgaben erfüllte und die Datenbankleistung verbesserte. Auf der TPAP-Infrastruktur implementierte ich in Go mit hexagonaler Architektur Auflade- und Zahlungsfunktionen. Über 100.000 Nutzer konnten damit in der App an Händler zahlen (P2M).
BERUFSERFAHRUNG

General Mills

Juni 2024 bis Aug. 2024
Python
SQL
Airflow
Rancher
dbt
Google Cloud
BigQuery
Praktikant im Bereich Digital und Technologie
Im Data-Engineering-Team arbeitete ich mit BigQuery an der Übernahme von Dateien in die Datenplattform für den Geschäftsbereich. Ich standardisierte den Eingang über ein gemeinsames Postfach, SFTP und Google-Cloud-Buckets. Den Import integrierte ich mit Python und SQL in Airflow-DAGs, einschließlich Qualitätsprüfungen mit dbt.
BERUFSERFAHRUNG

Frappe Technologies

Feb. 2024 bis Apr. 2024
Juni 2023 bis Aug. 2023
Python
JavaScript
MariaDB
Redis
Developer Relations
Betreuung der Profile von Frappe und ERPNext auf LinkedIn und Twitter.
Praktikant in der Softwareentwicklung
Ich habe mit Python, JavaScript und MariaDB am offenen Frappe Framework für ERPNext mitgearbeitet. Ein Bash-Skript automatisierte die Paketinstallation, Konfiguration und Einrichtung von Frappe Bench unter macOS und Debian-basiertem Linux. Die Ein-Klick-Installation verkürzte die Bereitstellung um 47 Prozent. Für ein Bestandsmodul nutzte ich DocTypes zur einfacheren Erfassung und Bewertung von Lagerbeständen.
BERUFSERFAHRUNG

MohiteTax

Apr. 2023 bis Juni 2023
Python
Selenium
MongoDB
AWS
EC2
EKS
Lambda
Praktikant in der Python-Entwicklung
Mit Python und Selenium automatisierte ich die Erfassung von Daten zu über 2,7 Millionen Unternehmen über MCA Services. Ich strukturierte das Backend mit mehr als 20 Modulen neu, darunter Texterkennung per OCR und REST-Endpunkte. Die Bereitstellung mit Docker auf AWS EKS und EC2 reduzierte die Dauer der Datenerfassung um 65 Prozent. AWS-Lambda-Funktionen starteten die Erfassung automatisch bei festgelegten Ereignissen.
PROJEKTE

CodeClip.

CodeClip ist mein erstes Full-Stack-Webprojekt. Wie bei GitHub Gists kann man Codeausschnitte speichern, mit benutzerdefinierten URLs teilen, mit einem Passwort schützen und über ein Dashboard verwalten. Das Backend nutzt Flask und die CS50-Bibliothek für sichere Anmeldung und dynamisch生成ierte QR-Codes. Die Bootstrap-Oberfläche passt sich verschiedenen Bildschirmgrößen an. Das Projekt bleibt hier, weil es mein erstes größeres Entwicklungsprojekt war.
CodeClip-Repository auf GitHub öffnen
OPEN SOURCE
Ich habe 531 Pull Requests in externen Projekten eingebracht, die gemergt wurden. Hinzu kommen 25 berücksichtigte, einzeln übernommene Commits. Auf die 90 unten genannten Repositories entfallen 497 dieser Beiträge. Ich bessere gern Dinge in den Repositories anderer Leute aus.
Meine Beiträge ansehen →
Sortieren nach
KI, Agenten und LLMs
ollama/ollama
Open-Source- und Spitzenmodelle lokal ausführen
2 Pull Requests · 188.000 Sterne
unslothai/unsloth
Lokale Oberfläche zum Ausführen und Trainieren von LLMs und Diffusionsmodellen
7 Pull Requests · 80.000 Sterne
docling-project/docling
Pipeline zur Dokumentenanalyse für generative KI
14 Pull Requests · 71.000 Sterne
mem0ai/mem0
Universelle Speicherschicht für das Gedächtnis von KI-Agenten
1 Pull Request · 69.000 Sterne
BerriAI/litellm
Einheitliche API für mehr als 100 LLM-Anbieter
1 Pull Request · 64.000 Sterne
78/xiaozhi-esp32
Sprach-Chatbot für ESP32, der mit LLMs kommuniziert und Geräte über MCP steuert
1 Pull Request · 33.000 Sterne
oraios/serena
MCP-Toolkit zum Programmieren mit semantischer Codesuche und Bearbeitung
1 Pull Request · 32.000 Sterne
ComposioHQ/composio
Toolkits, Authentifizierung und Arbeitsumgebung für KI-Agenten, die Aufgaben ausführen
6 Pull Requests · 31.000 Sterne
openai/openai-agents-python
Python-Framework von OpenAI für Abläufe mit mehreren Agenten
5 Pull Requests · 31.000 Sterne
promptfoo/promptfoo
OpenAI-Toolkit für LLM-Evaluierung, Red Teaming und Prompt-Tests
6 Pull Requests · 27.000 Sterne
deepset-ai/haystack
Orchestrierungs-Framework für RAG, Agenten und LLM-Anwendungen
1 Pull Request · 27.000 Sterne
comet-ml/opik
Fehlerdiagnose, Evaluierung und Monitoring für LLM-Anwendungen und Agenten-Workflows
2 Pull Requests · 23.000 Sterne
google/adk-python
Googles Agent Development Kit zum Entwickeln und Bewerten von Agenten
18 Commits · 22.000 Sterne
SWE-agent/SWE-agent
Autonomer Agent, der GitHub-Issues mit einem Sprachmodell nach Wahl bearbeitet
6 Pull Requests · 21.000 Sterne
pipecat-ai/pipecat
Open-Source-Framework für Sprachagenten und Echtzeit-KI
6 Pull Requests · 17.000 Sterne
googleapis/mcp-toolbox
Googles Open-Source-MCP-Server für Datenbanken
9 Pull Requests · 17.000 Sterne
omnigent-ai/omnigent
Open-Source-Framework für KI-Agenten mit Steuerung mehrerer Agenten-Umgebungen
22 Pull Requests · 11.000 Sterne
ollama/ollama-python
Offizielle Python-Bibliothek für Ollama
2 Pull Requests · 11.000 Sterne
NVIDIA/garak
NVIDIAs Scanner für Schwachstellen in LLMs
7 Pull Requests · 10.000 Sterne
HarnessMD/munder-difflin
Open-Source-Software für ein virtuelles Büro mit KI-Agenten
1 Pull Request · 10.000 Sterne
k8sgpt-ai/k8sgpt
KI-gestütztes Kommandozeilenwerkzeug zur Fehlerdiagnose in Kubernetes
19 Pull Requests · 8.000 Sterne
agent-of-empires/agent-of-empires
Mehrere Programmieragenten über eine Terminal- oder Weboberfläche verwalten
1 Pull Request · 5.000 Sterne
kagent-dev/kagent
Cloud-native KI-Agenten für Kubernetes
10 Pull Requests · 4.000 Sterne
UKGovernmentBEIS/inspect_ai
Framework zur Evaluierung großer Sprachmodelle
5 Pull Requests · 3.000 Sterne
coddingtonbear/obsidian-local-rest-api
Lokale REST-API und MCP-Server für einen Obsidian-Vault
1 Pull Request · 3.000 Sterne
yctimlin/mcp_excalidraw
MCP-Server zum Erstellen und Bearbeiten von Excalidraw-Diagrammen
1 Pull Request · 3.000 Sterne
org2AI/ORG2
Zentrales Protokoll dafür, wie Agenten Software entwickeln
1 Pull Request · 3.000 Sterne
a2aproject/a2a-python
Python-Bibliothek zum Betrieb von Agenten als A2A-Server
2 Pull Requests · 2.000 Sterne
google-deepmind/concordia
Bibliothek für generative Agenten in simulierten Welten
2 Pull Requests · 2.000 Sterne
a2aproject/a2a-samples
Beispiele für das Agent2Agent-Protokoll (A2A)
4 Pull Requests · 2.000 Sterne
google-deepmind/mujoco_warp
GPU-optimierter MuJoCo-Physiksimulator von DeepMind
2 Pull Requests · 2.000 Sterne
sipyourdrink-ltd/bernstein
Deterministische Orchestrierung für Programmieragenten auf der Kommandozeile
1 Pull Request · 1.000 Sterne
google/agentmesh
Agent Mesh
1 Pull Request · 1.000 Sterne
johannesjo/parallel-code
Claude Code, Codex und Gemini parallel in separaten Worktrees ausführen
1 Pull Request · 1.000 Sterne
dapr/dapr-agents
Autonome KI-Agenten mit Dapr-Workflows und Telemetrie
11 Pull Requests · 778 Sterne
a2aproject/a2a-js
TypeScript-SDK für A2A-Clients und -Server
6 Pull Requests · 656 Sterne
AbdelStark/awesome-typesafe-jev
Praxisleitfaden der Community zu typisierten Urteilen in TypeSafes Jev
2 Pull Requests · 619 Sterne
google-deepmind/simply
Schlanke Forschungs-Codebasis für LLMs mit JAX
1 Pull Request · 590 Sterne
mco-org/mco
Kommandozeilenwerkzeug zum parallelen Einsatz von KI-Programmieragenten
1 Pull Request · 557 Sterne
a2aproject/a2a-go
Go-Bibliothek für A2A-Clients und -Server
2 Pull Requests · 512 Sterne
Blog: Erfahrungsberichte, technische Beiträge und persönliche Gedanken.

Lass uns ins Gespräch kommen.

cal.com/anxkhn
Oder schreib mir per E-Mail.