🇬🇧 English version

Два взгляда на один профиль: Архитектор / Product Manager (вы здесь) | Разработчик

20+ лет в строительной отрасли в роли РП, PMO и планировщика. Строю AI-продукты, которые решают реальные проблемы стройки - от ведения протоколов штабов и распределения командных ролей до аудита расписаний и контроля дефектов.

Проектирую и вывожу в продакшен AI-системы для строительной отрасли. Не как подрядчик со стороны IT, а как человек, который 20 лет составлял КСГ, ходил на штабы и координировал подрядчиков - и понимает, где болит.

6 продуктов в продакшене. 11 AI-агентов для реальных клиентов. Полный цикл: от формулировки задачи до работающего корпоративного сервиса или SaaS с биллингом.

Руководитель проекта загружает график - через 30 секунд получает заключение: где проблемы, что доработать, насколько график реалистичен. Без опыта в КСП.

• Парсинг 30+ форматов расписаний (Primavera P6, MS Project, Asta Powerproject) через MPXJ
• 31 проверка по стандартам DCMA-14 и авторской методике PRIM_X
• AI-пояснения к каждой проверке на понятном языке
• Три интерфейса: Telegram-бот, Web App, REST API
• Микросервисная архитектура: 8 Docker-контейнеров, FastAPI, CI/CD, биллинг ЮKassa

planpulse.ru | Telegram Bot | Web App

Инспектор фотографирует дефект - бот определяет тип, оценивает критичность и указывает, какой СНиП, ГОСТ или СП нарушен. Автоматическая генерация отчёта.

• AI-анализ изображений через Google Gemini (Vision)
• Привязка к нормативной базе РФ - не абстрактное описание, а конкретная норма
• Два продукта: stroycontrolbot.ru (B2C) и stroycontrolai.ru (B2B)

Каждую неделю на стройке - штаб. Десятки поручений, сроки, ответственные. Протоколы ведутся в Word или Excel, рассылаются по почте и теряются. «Штаб» решает это:

• Импорт существующих протоколов, формирование пунктов с голоса
• AI-помощь с формулировками и созданием чек-листов
• Контроль исполнения поручений, напоминания исполнителям
• Первичный анализ и обратная связь по предоставленным отчётам
• Уведомления по email и Telegram-бот
• Дашборд с аналитикой, отслеживание сроков

Три LLM-эксперта (Claude, Gemini, GPT) по очереди отвечают человеку-эксперту в треде. Каждый рассматривает вопрос с разных сторон. Создан и применяется для разработки расширенной методики анализа строительных графиков с участием ~100 экспертов.

Инструмент, который я использовал как РП для формирования проектных команд. Психометрический анализ по методике Белбина: определяет роль каждого участника, показывает баланс команды и подсказывает, кого не хватает. Помогает при подборе новых участников и перераспределении ответственности. И поскольку этим проектом помимо суровых РП пользуются HR - там есть котики!

Корпоративный SaaS: загрузка аудиозаписей совещаний и защит, транскрибация (WhisperX), диаризация спикеров, генерация структурированных протоколов. Работа с несколькими микрофонами для выбора лучшей записи, анализ транскрибации с учётом контекста - например, текста диссертации или автореферата. Эта разработка также применена в проекте Штаб

Full-stack MVP для рекрутингового стартапа. Руководитель в чате описывает позицию - голосом или текстом - AI собирает структурированную вакансию с разделами (требования, обязанности, условия), задачи на интервью и чек-листы. 3-зонный UI: список вакансий ⇆ чат с AI ⇆ панель артефакта с inline-редактированием и real-time обновлениями через SSE. Voice-input с live VU-meter, auth-hardening, чек-листы автоматически расширяются по контексту.

• Backend: Python 3.12 + FastAPI + SQLAlchemy 2.x async + Alembic + arq + Redis + Instructor + OpenRouter
• Frontend: Next.js 15 + App Router + TypeScript + AI SDK Vercel + TanStack Query + Zustand + shadcn/ui
• Полный цикл разработки по фреймворку GRACE - от requirements и knowledge-graph до verification-plan

Knowledge graph на Neo4j с GraphRAG, чат-интерфейс для риск-менеджера, 2D-визуализация графа. AI-агент на графе знаний: от пользовательского запроса на естественном языке - до сгенерированного Cypher-запроса и интерпретации результата. Векторный поиск по описаниям рисков и инцидентов, привязка к строительным нормам.

11 агентов на базе LLM для автоматизации продаж, консультаций и клиентской поддержки. Каждый - не шаблонный чат-бот, а система с RAG, интеграциями и пониманием предметной области.

Открытый Claude Code плагин: подход «сначала контракт, потом код». Меняет паттерн работы с LLM-coder'ом - модель не «пишет код», а реализует утверждённый MODULE_CONTRACT и knowledge graph.

Я contributor: сделал Hardening Pass 1 для своего fork'а - anti-rationalization чек-листы для AI-агентов, evidence-driven verification (валидация результатов LLM против реального состояния кода и тестов), проверка целостности knowledge graph. Снижает количество правок после генерации, делает работу с AI-агентами предсказуемой.

Семейство серверов Model Context Protocol для подключения LLM (Claude, Codex, Kilo Code) к мессенджерам и Google Docs. Использую сам, опубликовал в open source.

• mcp-telegram - подключение Telegram к Claude: сообщения, медиа, реакции, опросы, scheduled messages. Hosted-версия mcp-telegram.com - QR-логин за 30 секунд. На основе GramJS / MTProto.
• mcp-gdocs - создание и обновление Google Docs из Markdown с полным форматированием (заголовки, таблицы, списки, bold/italic).
• mcp-server-matrix - Matrix: чтение и отправка сообщений, управление комнатами.
• mcp-server-max - Max (VK Teams) messenger.
• planpulse-mcp (private) - интеграция Claude Code с PlanPulse: DCMA-анализ календарно-сетевых моделей .mpp / .xer / .xml прямо из AI-агента.

Платформа бизнес-аналитики: AI-скоринг звонков (BANT-квалификация, эмоциональный анализ DUSHA, рейтинг менеджеров) + строительный дашборд (EVM-анализ CPI/SPI, диаграмма Ганта, S-кривая бюджета).

Demo: user / demo2024

Computer Vision на производственной линии колёсных дисков. YOLOv8 находит сварной шов в реальном времени через лазерную проекцию и управляет остановкой вращения для точного позиционирования.

AI-агент для автоматизации деплоя: 15 секунд вместо 7 минут. Анализ логов, миграции БД, управление Docker-контейнерами по SSH.

CV-пайплайн сегментации объектов (PyTorch, SAM, U2-Net). Специализация на металлических объектах с бликами.

Кластеризация 45K текстовых эмбеддингов. Очистка ансамблем (KNN, LOF, Isolation Forest), подбор k четырьмя метриками, KMeans + t-SNE.

Физический симулятор: лагранжева механика, символьный вывод уравнений (SymPy), оптимизация генетическим алгоритмом. Дальность 2 840 м.

Определение точки удара акустической триангуляцией. 6 датчиков, нелинейная оптимизация методом наименьших квадратов.

Конвертер Excel -> Markdown. Однофайловый инструмент без зависимостей.

Утилита: парсер nspd.gov.ru, выгрузка координат земельного участка по кадастровому номеру.

Извлечение структурированных данных из экспортов Telegram-чатов через LLM. Кастомизируемые промпты под разные типы извлечения, вывод в JSON и Excel, dark GUI и CLI.

Backend-сервис генерации SEO-описаний товаров. TypeScript-стек: NestJS + LangChain.js + Zod (валидация выхода LLM против схем) + OpenRouter.

Исследовательский стенд для распознавания аудиопотока в реальном времени с автоматическим семантическим тегированием. Параллельная работа Google Cloud STT и WhisperX для сравнения качества, real-time веб-визуализация распознанных тегов.

Экосистема входа через Telegram для внешних приложений: Auth Hub, клиентская библиотека, CLI, JWT + FastAPI. Позволяет сторонним сервисам делегировать аутентификацию пользователей через Telegram-ботов.

Личный AI-инструмент для работы с hh.ru: парсинг и скоринг вакансий через локальный Ollama LLM, AI-генерация индивидуальных сопроводительных писем на основе описания вакансии (без шаблонов), отправка через браузерную автоматизацию. Pipeline черновиков pending → ready → sent с pause-resume. FastAPI backend + Vite/React frontend + SQLite.

Тестовое задание из трёх частей в одном репозитории:

• FastAPI веб-конвертер с retry, TTL-кэшем и кросс-конвертацией через рубль - развёрнут на converter.teamplan.ru.
• Async CLI с обработкой данных ЦБ (суточная динамика, топ движений), экспортом в CSV/JSON, Docker и инструкцией.
• Google Apps Script - выгрузка курсов в Google Таблицу по триггеру через UrlFetchApp.

Тестовое задание fullstack: Python backend + React frontend, MVP файлового обмена.

Backend: Python, FastAPI, Docker, PostgreSQL, CI/CD

AI/ML: PyTorch, scikit-learn, YOLOv8, OpenCV, LangChain, FAISS, WhisperX

LLM: OpenAI, Claude, Gemini API, RAG, prompt engineering, multi-agent systems, MCP

Строительные стандарты: DCMA-14, PRIM_X, EVM (CPI/SPI), критический путь, Primavera P6, MS Project, Spider Project