> ls -la /whoami

Сайты, Telegram-сервисы и AI-инструменты для бизнеса

Помогаю превратить идею в работающий продукт: от лендинга и бота до внутреннего сервиса с интеграциями и AI-функциями.

Смотреть кейсы Что можно заказать Обсудить задачу

2006 начал путь

100+ проектов

∞ строк кода

LLM исследую

Код — это способ мышления, а не просто профессия.

/услуги

Что можно заказать

Выберите понятный формат задачи — дальше вместе определим состав работ, сроки и самый короткий путь к запуску.

Сайты и веб-сервисы

Лендинги, портфолио, личные кабинеты и сервисы с понятным интерфейсом и надежным backend.

Смотреть похожие кейсы ↗ 02

Telegram-боты и Mini Apps

Боты, mini-apps, платежи, уведомления и админка — полный клиентский путь внутри Telegram.

Смотреть похожие кейсы ↗ 03

Автоматизация бизнеса

Внутренние инструменты, интеграции, операционные сценарии, отчеты и рутина, которой не место в таблицах.

Смотреть похожие кейсы ↗ 04

AI-функции и ассистенты

RAG, support-ассистенты, работа с документами и AI-функции с источниками, проверкой качества и контролем человека.

Смотреть похожие кейсы ↗

/projects

Кейсы из реальной работы

все telegram веб-сервисы автоматизация ai desktop

BotHub: маркетплейс Telegram-ботов

Laravel 12 React Telegram Bot API Telegram Mini App MoonShine MySQL Queue Payments

Telegram-платформа с агрегатором ботов/ресурсов, витриной и покупкой прямо в приложении без отдельной регистрации.

↗

MoonShift: смены и выплаты через Telegram

Laravel 12 MoonShine Telegram Bot API Matrix Scheduler Queue MySQL

Система управления для dispatch-команд: операторы работают через Telegram/Matrix, администратор в MoonShine ведет смены, контроль посещаемости, платежи и отчёты.

↗

AI support assistant: retrieval + moderation

LLM RAG Python OpenAI Moderation Queue PostgreSQL Observability

Рабочий процесс поддержки с retrieval, ограничениями безопасности запросов и аналитикой для снижения рутинных обращений.

↗

> все проекты →

/timeline

20 лет практики: от первых сайтов до AI/LLM лаборатории.

2006 Начал делать сайты как хобби

2008 Университет и первые коммерческие проекты

2012 Desktop-разработка и сложные системы

2016 Web, backend, frontend и архитектура

2023 LLM, AI и новые горизонты

2026 Продолжаю учиться и собирать новое...

still building →

/lab

Эксперименты и исследования

Лаборатория — это рабочие стенды вокруг LLM, RAG, AI planning, code intelligence и админских workflow. Здесь я фиксирую не красивые обещания, а проверяемые гипотезы: что автоматизируется, где нужен контроль человека и как это довести до production.

> llm-playground

в процессе

Общий стенд для быстрых проверок: промпты, системные инструкции, tool calling, JSON-ответы, streaming и поведение моделей на одинаковых входных данных.

ai-agent code-miner prompt-studio rag-lab

> run experiment.py loading model... gpt-4o building context... ok generating... ███████████ 78% result: полезно

// principle
Я не ищу волшебные инструменты — я собираю свои рабочие системы.

/notes research log

Полевые заметки из AI-лаборатории

LIVE BUILD NOTES

RAG pipeline без магии

Как я собираю retrieval-слой: источники, чанкинг, pgvector, eval-наборы, трассировка и честная проверка качества ответов.

lab: rag-lab / retrieval / evals

AI Factory task planning loop

Как должен работать планировщик: цель, декомпозиция, выбор skills, контрольные точки, execution trace и ручное подтверждение рискованных действий.

lab: ai-factory-planner / skills / execution trace

Context mining for large codebases

Как вытаскивать из репозитория не просто файлы, а полезный пакет контекста: entrypoints, зависимости, зоны риска и историю решений.

lab: code-miner / repo context / LLM handoff

/about :: senior fullstack operator

Собираю продукты там, где интерфейс, данные и AI-модель должны работать как одна система.

Я веду полный цикл: архитектура, прототип, production-инфраструктура, observability и аккуратный UX. Люблю сложные домены, где нужно быстро проверить гипотезу, но не потерять инженерную дисциплину.

TypeScript React Next.js Node.js Python Postgres Redis OpenAI API RAG Queues CI/CD Telemetry

INPUTcontext.md

VECTORpgvector index

MODELreasoning loop

TOOLSapi + workers

$ run senior-stack --mode=production
architecture: clean | telemetry: on | ai: assisted
output: systems that survive real users

/contact :: open channel

Есть задача? Давайте разберем, как её запустить.

Напишите про идею, текущий продукт или процесс, который хочется автоматизировать. Помогу сформулировать решение и честно оценить следующий шаг.