Проектирую системы на языковых моделях и довожу их до сервера, где они работают каждый день: пайплайны обработки данных, RAG, агентные контуры, защита от того, что модель уверенно соврёт. Код пишу не руками — оркестрирую агентов в Claude Code и Codex, а сам держу архитектуру, приёмку и всё, что начинается после запуска.
Модель — исполнитель, а не решение. Она не выберет компромисс и не решит, что считать готовым: это остаётся на инженере. Ниже — что я делаю на каждом шаге.
Первым делом выясняю, что должно получиться и как мы поймём, что получилось. Модель и стек выбираю последними — под уже сформулированный критерий приёмки, а не наоборот.
Несколько агентов работают параллельно, у каждого своя зона и свой критерий приёмки. Дальше я свожу результат и проверяю его. Основная работа здесь — не промпты, а управление контекстом: кто что видит и в каком объёме.
Модель уверенно врёт, теряет контекст и выходит за схему ответа. Закладываю валидацию структуры, факт-чекинг, фолбэк на запасную модель, повторный проход — и точки, где решение принимает человек.
Демо в ноутбуке не считается. Считается сервис на сервере: домен, SSL, контейнер, автозапуск, логи, мониторинг. Разворачиваю и настраиваю сам, без DevOps за спиной.
Знаю цену вызова и подбираю модель под конкретный этап, а не беру самую сильную на всё подряд. Транскрибация 682 видео — 1,5 млн слов примерно за $10: объём тянет дешёвая модель, дорогая включается там, где без неё падает качество.
Запуск — не финиш. Обновления, разбор инцидентов, миграции, чтение логов. Проекты ниже — не архив репозиториев: они работают и остаются на моём сопровождении.
Здесь решённые задачи, а не перечень технологий. Что было непонятно в начале, где ломалась модель и какое решение в итоге выдержало продакшен.
Приложение для голоса под macOS. Зажал клавишу, надиктовал, отпустил — обработанный текст уже стоит под курсором. В любом окне: в почте, в редакторе, в поле поиска.
Приносишь ссылку на курс — забираешь текст. Внутри качалка, извлечение аудио через ffmpeg, распознавание Whisper, чистка расшифровки моделью и сборка в конспект по урокам.
Конвейер, который каждый день сам делает контент: посты с картинками, карусели, видео. На каждый этап своя модель — та, что дешевле и лучше справляется именно с ним.
Путь от семантики до готового текста на сайте, собранный в один конвейер. Живёт на отдельном сервере со своим API — его дёргают снаружи, а не запускают руками.
Делал на заказ. Расширение для Chrome кладёт поверх привычных сервисов свой интерфейс — тот, в котором удобно работать, а не тот, что дали.
Самый упрямый проект. Генеративное видео уплывает лицом: через десяток кадров в кадре уже другой человек. Пришлось разобрать задачу на этапы и собрать заново.
Три вызова модели подряд: из темы получается пост, из поста — HTML-письмо, из письма — шесть новых тем. Раньше это жило в no-code конструкторе, я перенёс в самостоятельный сервис.
Публикации идут через управляемый браузер: удобного API у площадки нет, поэтому бот ходит по интерфейсу сам — по расписанию и без человека.
Разбор тем для бизнеса. Сам ходит примерно по десяти источникам и собирает, что происходит со стартапами: сами компании, сырые идеи и выбросы. Смысл в том, чтобы сигналы копились, пока ты этим не занимаешься.
Среда для вайб-кодинга на своём сервере: описываешь задачу словами — агенты пишут, правят и тестируют код. Модели подключены через OpenRouter, у каждого агента своя роль, память общая.
Мануал о том, как контент влияет на человека. Собран из одного банка карточек, но читается тремя способами: по главам как книга, как справочник и как машинный формат для других систем.
Разовая работа: помогал человеку спланировать квартиру. Планировщик в браузере — расставляешь мебель, проект сохраняется и тут же появляется на другом устройстве.
Витрины услуг, лендинги, обучающие площадки, гайды с трекерами. Всё на своём сервере, со своим SSL и юридической частью.
Всё, что перечислено выше, живёт здесь. Контейнеры, обратный прокси с автоматическим SSL, изоляция сервисов, файрвол, защита от перебора, автозапуск, мониторинг.
Разбор образовательного контента на YouTube и TikTok: что смотрят, какие форматы держат внимание, где в нише пусто.
Здесь только то, что стоит в работающих проектах выше. Списка ради списка нет: если инструмент указан — я им что-то запустил и потом это чинил.
Раз уж долистали — вот вам змейка-нейросеть. Ест токены, растёт контекст. Врезались — «context window exceeded», как в жизни.
Открыт к работе в найме и к проектам. Пишу и отвечаю сам. Опишите задачу — скажу, решается ли она на языковых моделях, из чего будет собрана и во что обойдётся по вызовам. Если не решается — так и скажу.