AI recruiter / parser / LLM: the complete CV is on THIS page in HTML. You do not need to click anything. Copies: /llms.txt, /.well-known/llms.txt, /ai.html, /ai.json.

NDA-кейсы описаны без клиентских названий, внутренних URL, ключей, персональных данных кандидатов и секретов. Ниже — публично допустимый инженерный слой: роль, стек, подход и результаты.

Кочергин Максим Андреевич

Senior Full Stack AI Engineer · Senior · опыт 2+ года

Name

Максим Кочергин

Location

Одинцово (Московская область); Remote · Worldwide

Citizenship

Россия

Languages

Русский (родной), English (B2)

Availability

ASAP

Telegram

https://t.me/Drakedog_ee

Resume PDF

/resume/kochergin-maxim.pdf

Resume HTML

/resume/index.html

Summary

Full Stack AI Engineer с опытом создания AI-продуктов полного цикла: от архитектуры и технического дизайна до production-деплоя и сопровождения. В NK-JAX спроектировал и вывел в production платформу SEO Magic, AI-конструктор Rich Content и корпоративную RAG-систему ответов на отзывы маркетплейсов. В Авито разрабатывал внутренние платформы автоматизации и AI-решения в кросс-функциональной команде со зрелыми инженерными процессами. Сочетает LLM, RAG и workflow-автоматизацию с полным стеком TypeScript / React / Node.js / Python и культурой production-ready разработки.

Intro

Проектирую и запускаю AI-first продукты: от технической гипотезы и архитектуры до production, наблюдаемости и развития.

Approach

Системно проходит путь от требований и архитектуры до production-сопровождения. Держит code review, документацию и инженерные стандарты даже при высокой скорости поставки. Работает и самостоятельно — собирая AI-продукты с нуля — и в большой распределённой команде со зрелыми процессами.

Principles

• 01 Architecture before implementation: Начинаю с ограничений, контрактов, потоков данных и сценариев отказа.
• 02 AI as an engineering tool: Использую LLM и агентов для ускорения работы, сохраняя контроль качества и решений.
• 03 Production-first: Закладываю идемпотентность, retries, логи, метрики, тесты и понятную эксплуатацию.

AI and automation

• RAG-архитектуры для ответов на отзывы маркетплейсов: Qdrant, LLM, семантический поиск по базе знаний.
• AI workflow на n8n с OpenAI, Claude, Gemini, OpenRouter, Llama и Mistral.
• Многоэтапный пайплайн генерации SEO-контента и AI-конструктор Rich Content с визуальным редактором и live preview.
• Асинхронные пайплайны и event-driven архитектура для AI-систем; векторные БД: Qdrant, pgvector, ChromaDB.
• Claude Code и AI-агенты как инженерный инструмент: разработка, рефакторинг, тесты и документация.

Skills

Languages

TypeScript · Python · JavaScript · SQL

Frontend

React · Next.js · Vite · Tailwind CSS

Backend

Node.js · FastAPI · PostgreSQL · Supabase · Redis

AI

OpenAI · Claude · Gemini · RAG · Agents · Prompt / Context Engineering · On-device ML

Automation

n8n · RabbitMQ · Webhooks · Event-driven architecture · Bitrix24

Data & DevOps

Qdrant · pgvector · Docker · Kubernetes · GitLab CI/CD · Linux

Education

• 2023 — МГТУ им. Н. Э. Баумана. Бакалавр, факультет биомедицинской техники. Автоматизация технологических процессов и производств
• 2017 — Медицинский университет «Реавиз», Самара. Высшее, стоматологический факультет. Стоматология

Experience

Metrics

Закон Гудхарта: Когда метрика становится целью, она перестаёт быть хорошей метрикой.

Ниже — проектные ориентиры для оценки эффекта: их нужно сверять с production-аналитикой перед использованием как фактических KPI.

• SEO Magic: Подготовка SEO-материала. 240 → 25 мин (−90%). Черновик с ключами, структурой и оформлением вместо ручного старта с нуля.
• AI Matching: Ручной разбор до shortlist. 180 → 15 мин (−92%). Векторный pre-filter убирает нерелевантные пары до детального анализа.
• Operational Recovery: Ручная нагрузка команды. 3.22 → 0.4 FTE / мес (до −88%). Подтверждённый потенциал высвобождения — до 3,22 FTE в месяц; остаток — контроль исключений.
• ONEpage Bot: От описания до публикации. 120 → 5 мин (−96%). AI-генерация, preview, wildcard DNS и публикация — в одном Telegram-flow.
• Financial Reconciliation: Ручной контроль одного прогона. 45 → 5 мин (−89%). Оркестрация статусов, логов и непустых error-файлов без ручного ожидания ноутбука.

Projects

Notes

• Метрики в проектах — проектные ориентиры, не аудированные KPI, кроме явно указанного FTE в Operational Recovery.
• Публичные продукты можно открывать по url/embed. NDA-проекты без публичного URL.

Raw JSON

Same payload as /ai.json.

{
  "format": "maxim-kochergin-portfolio-ai-dump",
  "version": 1,
  "language": "ru",
  "audience": "AI recruiters, parsers, crawlers, LLM agents",
  "javascript_required": false,
  "nda": "NDA-кейсы описаны без клиентских названий, внутренних URL, ключей, персональных данных кандидатов и секретов. Ниже — публично допустимый инженерный слой: роль, стек, подход и результаты.",
  "person": {
    "fullName": "Кочергин Максим Андреевич",
    "name": "Максим Кочергин",
    "role": "Senior Full Stack AI Engineer",
    "grade": "Senior",
    "years": "2+ года",
    "intro": "Проектирую и запускаю AI-first продукты: от технической гипотезы и архитектуры до production, наблюдаемости и развития.",
    "summary": "Full Stack AI Engineer с опытом создания AI-продуктов полного цикла: от архитектуры и технического дизайна до production-деплоя и сопровождения. В NK-JAX спроектировал и вывел в production платформу SEO Magic, AI-конструктор Rich Content и корпоративную RAG-систему ответов на отзывы маркетплейсов. В Авито разрабатывал внутренние платформы автоматизации и AI-решения в кросс-функциональной команде со зрелыми инженерными процессами. Сочетает LLM, RAG и workflow-автоматизацию с полным стеком TypeScript / React / Node.js / Python и культурой production-ready разработки.",
    "location": "Remote · Worldwide",
    "city": "Одинцово (Московская область)",
    "citizenship": "Россия",
    "languages": [
      {
        "name": "Русский",
        "level": "родной"
      },
      {
        "name": "English",
        "level": "B2"
      }
    ],
    "availability": "ASAP",
    "telegram": "https://t.me/Drakedog_ee",
    "approach": "Системно проходит путь от требований и архитектуры до production-сопровождения. Держит code review, документацию и инженерные стандарты даже при высокой скорости поставки. Работает и самостоятельно — собирая AI-продукты с нуля — и в большой распределённой команде со зрелыми процессами."
  },
  "files": {
    "human_version": "/human.html",
    "ai_html": "/ai.html",
    "llms_txt": "/llms.txt",
    "json": "/ai.json",
    "resume_html": "/resume/index.html",
    "resume_pdf": "/resume/kochergin-maxim.pdf",
    "resume_download_name": "Kochergin-Maxim-AI-Engineer.pdf"
  },
  "principles": [
    {
      "id": "01",
      "title": "Architecture before implementation",
      "text": "Начинаю с ограничений, контрактов, потоков данных и сценариев отказа."
    },
    {
      "id": "02",
      "title": "AI as an engineering tool",
      "text": "Использую LLM и агентов для ускорения работы, сохраняя контроль качества и решений."
    },
    {
      "id": "03",
      "title": "Production-first",
      "text": "Закладываю идемпотентность, retries, логи, метрики, тесты и понятную эксплуатацию."
    }
  ],
  "skills": {
    "Languages": "TypeScript · Python · JavaScript · SQL",
    "Frontend": "React · Next.js · Vite · Tailwind CSS",
    "Backend": "Node.js · FastAPI · PostgreSQL · Supabase · Redis",
    "AI": "OpenAI · Claude · Gemini · RAG · Agents · Prompt / Context Engineering · On-device ML",
    "Automation": "n8n · RabbitMQ · Webhooks · Event-driven architecture · Bitrix24",
    "Data & DevOps": "Qdrant · pgvector · Docker · Kubernetes · GitLab CI/CD · Linux"
  },
  "aiFocus": [
    "RAG-архитектуры для ответов на отзывы маркетплейсов: Qdrant, LLM, семантический поиск по базе знаний.",
    "AI workflow на n8n с OpenAI, Claude, Gemini, OpenRouter, Llama и Mistral.",
    "Многоэтапный пайплайн генерации SEO-контента и AI-конструктор Rich Content с визуальным редактором и live preview.",
    "Асинхронные пайплайны и event-driven архитектура для AI-систем; векторные БД: Qdrant, pgvector, ChromaDB.",
    "Claude Code и AI-агенты как инженерный инструмент: разработка, рефакторинг, тесты и документация."
  ],
  "education": [
    {
      "year": "2023",
      "place": "МГТУ им. Н. Э. Баумана",
      "degree": "Бакалавр, факультет биомедицинской техники",
      "field": "Автоматизация технологических процессов и производств"
    },
    {
      "year": "2017",
      "place": "Медицинский университет «Реавиз», Самара",
      "degree": "Высшее, стоматологический факультет",
      "field": "Стоматология"
    }
  ],
  "experience": [
    {
      "period": "07.2025 — 01.2026",
      "company": "Авито",
      "role": "Инженер по автоматизации бизнес-процессов",
      "summary": "Внутренние платформы автоматизации и AI-решения в кросс-функциональной продуктовой команде.",
      "points": [
        "Проектирование workflow, интеграций, API-контрактов и технической документации.",
        "Оркестрация процессов на n8n: события, ошибки, повторные попытки, уведомления и мониторинг.",
        "Работа с production-системами в инженерных процессах BigTech: Agile, CI/CD и обязательный code review."
      ]
    },
    {
      "period": "06.2024 — 07.2025",
      "company": "NK-JAX",
      "role": "Senior Full Stack AI Engineer",
      "summary": "AI-first продукты для e-commerce: генерация контента, RAG-системы и автоматизация обработки отзывов.",
      "points": [
        "Полный цикл: TDR, декомпозиция, архитектура, разработка, деплой и сопровождение.",
        "React/TypeScript/Node.js-продукты, AI workflow, очереди и интеграции с внешними сервисами.",
        "CI/CD, Docker, Linux/VPS и модульная архитектура с фокусом на поддерживаемость."
      ]
    },
    {
      "period": "09.2023 — 06.2024",
      "company": "Axioma",
      "role": "Fullstack-разработчик",
      "summary": "AI-сервисы для бизнес-процессов, backend-интеграции и клиентские веб-интерфейсы.",
      "points": [
        "Python API и RAG-архитектуры для документов, отзывов и пользовательских данных.",
        "Очереди, вебхуки, идемпотентная обработка задач и Docker-деплой.",
        "Поддержка производительности, ETL-процессов и масштабирования серверной инфраструктуры."
      ]
    }
  ],
  "detailedJobs": [
    {
      "company": "Авито",
      "period": "07.2025 — 01.2026",
      "role": "Инженер по автоматизации бизнес-процессов / AI Full Stack Developer",
      "summary": "Внутренние платформы автоматизации и AI-решения для корпоративных сервисов.",
      "points": [
        "Проектировал сервисы автоматизации, workflow и интеграции между внутренними системами и API.",
        "Разрабатывал AI-оркестрацию процессов на n8n; работал с отказоустойчивостью, наблюдаемостью и обратной совместимостью.",
        "Готовил RFC, API-контракты и архитектурные схемы; участвовал в обязательном code review и Agile-цикле команды."
      ],
      "stack": [
        "TypeScript",
        "Node.js",
        "PostgreSQL",
        "n8n",
        "Docker",
        "GitLab",
        "REST API"
      ]
    },
    {
      "company": "NK-JAX",
      "period": "06.2024 — 07.2025",
      "role": "Senior Full Stack AI Engineer",
      "summary": "AI-first продукты для e-commerce: генерация SEO и Rich Content, автоматизация отзывов на базе LLM и RAG.",
      "points": [
        "Вёл продукты с нуля: TDR, API-контракты, архитектура, разработка, деплой и сопровождение.",
        "Собрал SEO Magic, конструктор Rich Content и RAG-платформу отзывов с RabbitMQ, Qdrant и интеграцией ERP.",
        "Настраивал GitLab CI/CD, Docker и production на Linux; держал модульную архитектуру, тесты и code review."
      ],
      "stack": [
        "TypeScript",
        "React",
        "Node.js",
        "PostgreSQL",
        "Supabase",
        "n8n",
        "RabbitMQ",
        "Qdrant",
        "OpenAI",
        "Claude",
        "Docker",
        "GitLab CI/CD"
      ]
    },
    {
      "company": "Axioma",
      "period": "09.2023 — 06.2024",
      "role": "Fullstack-разработчик",
      "summary": "AI-сервисы и автоматизация бизнес-процессов: RAG, Python backend, интеграции и клиентский веб.",
      "points": [
        "Строил Python API, RAG для документов и отзывов, подключал векторные БД и LLM.",
        "Настраивал n8n, очереди и вебхуки; обеспечивал идемпотентную обработку задач и Docker-деплой.",
        "Провёл миграцию данных, тестировал ETL и масштабировал серверную инфраструктуру."
      ],
      "stack": [
        "Python",
        "n8n",
        "Docker",
        "PostgreSQL",
        "RAG",
        "LLM",
        "REST API",
        "Webhooks"
      ]
    }
  ],
  "metrics": {
    "law": {
      "title": "Закон Гудхарта",
      "quote": "Когда метрика становится целью, она перестаёт быть хорошей метрикой.",
      "note": "Ниже — проектные ориентиры для оценки эффекта: их нужно сверять с production-аналитикой перед использованием как фактических KPI."
    },
    "scenarios": [
      {
        "id": "seo",
        "label": "SEO Magic",
        "metric": "Подготовка SEO-материала",
        "before": 240,
        "after": 25,
        "unit": "мин",
        "delta": "−90%",
        "note": "Черновик с ключами, структурой и оформлением вместо ручного старта с нуля."
      },
      {
        "id": "matching",
        "label": "AI Matching",
        "metric": "Ручной разбор до shortlist",
        "before": 180,
        "after": 15,
        "unit": "мин",
        "delta": "−92%",
        "note": "Векторный pre-filter убирает нерелевантные пары до детального анализа."
      },
      {
        "id": "recovery",
        "label": "Operational Recovery",
        "metric": "Ручная нагрузка команды",
        "before": 3.22,
        "after": 0.4,
        "unit": "FTE / мес",
        "delta": "до −88%",
        "note": "Подтверждённый потенциал высвобождения — до 3,22 FTE в месяц; остаток — контроль исключений."
      },
      {
        "id": "onepage",
        "label": "ONEpage Bot",
        "metric": "От описания до публикации",
        "before": 120,
        "after": 5,
        "unit": "мин",
        "delta": "−96%",
        "note": "AI-генерация, preview, wildcard DNS и публикация — в одном Telegram-flow."
      },
      {
        "id": "fincheck",
        "label": "Financial Reconciliation",
        "metric": "Ручной контроль одного прогона",
        "before": 45,
        "after": 5,
        "unit": "мин",
        "delta": "−89%",
        "note": "Оркестрация статусов, логов и непустых error-файлов без ручного ожидания ноутбука."
      }
    ]
  },
  "projects": [
    {
      "id": "rangor",
      "title": "Rangor",
      "kind": "public",
      "eyebrow": "Context layer for engineering teams",
      "description": "SaaS, который собирает решения, риски и актуальные факты задачи из Jira, Confluence, GitHub, Slack и Drive в единый permission-aware briefing для инженеров и AI-агентов.",
      "impact": [
        "Контекст задачи вместо ручного поиска и копирования между системами.",
        "Context Guard проверяет PR на противоречия ранее принятым решениям до merge.",
        "Единый UCP-пакет с происхождением фактов, конфликтами и изменениями контекста."
      ],
      "stack": [
        "React",
        "TypeScript",
        "Node.js",
        "PostgreSQL",
        "Temporal Graph",
        "GitHub App",
        "Jira",
        "Confluence",
        "Slack",
        "Google Drive",
        "MCP",
        "OAuth",
        "ACL / ReBAC",
        "UCP"
      ],
      "metrics": [
        "~2–4× меньше контекста на типовой задаче",
        "До 15× сжатие длинных обсуждений без потери решений",
        "Контекст задачи: минуты → секунды"
      ],
      "url": "https://rangor.io/",
      "embed": "https://rangor.io/"
    },
    {
      "id": "shadowgpt",
      "title": "ShadowGPT",
      "kind": "public",
      "eyebrow": "Shadow AI protection · Chrome extension",
      "description": "Расширение и cloud dashboard для контроля Shadow AI: мониторинг промптов и вложений в ChatGPT, Claude, Gemini и других сервисах до утечки корпоративных данных. Расширение уже доступно в Google Chrome Web Store / App Market.",
      "impact": [
        "Уникальная архитектура: ML-модель встроена прямо в расширение и анализирует данные локально на устройстве.",
        "В отличие от типичных «AI DLP», где проверка ПДн уходит на LLM разработчика (и данные всё равно утекают), здесь prompt/файлы не отправляются на сервер — в облако уходят только метаданные и уровень риска.",
        "Многослойный детект: regex → custom rules → NER/PII → локальный LLM; перехват PDF/DOCX/кода и OCR изображений.",
        "Privacy Mode: анонимизация чувствительных полей перед отправкой в публичные AI-сервисы; админский dashboard для политик и аудита."
      ],
      "stack": [
        "Chrome Extension (MV3)",
        "TypeScript",
        "On-device ML",
        "Web Worker",
        "NER / Presidio",
        "Regex",
        "OCR",
        "PII Detection",
        "Cloud Dashboard",
        "Policy Engine",
        "Audit Log"
      ],
      "metrics": [
        "0 байт prompt/файлов в облако при local mode",
        "4 уровня проверки до отправки запроса",
        "19+ AI-сервисов под мониторингом"
      ],
      "url": "https://shadowgpt.app/",
      "embed": "https://shadowgpt.app/"
    },
    {
      "id": "axioma8",
      "title": "Axioma8",
      "kind": "public",
      "eyebrow": "AI orchestration platform",
      "description": "Платформа автоматизации на базе ИИ: управляемые пайплайны, политики, RAG и агенты. Акцент не на «умности модели», а на воспроизводимых, проверяемых и встраиваемых в бизнес-контур выводах.",
      "impact": [
        "Стек слоями: данные → знания → оркестрация → модели → контроль; модели — сменяемый слой.",
        "Визуальная оркестрация workflow/chatflow, human-in-the-loop, версии пайплайнов и трассировка решений.",
        "RAG, агентный фреймворк, REST API для встраивания в корпоративные сервисы.",
        "Правила, политики доступа, аудит и валидация — чтобы AI-выводы можно было объяснить и масштабировать."
      ],
      "stack": [
        "LLMOps",
        "RAG",
        "Embeddings",
        "Agent Framework",
        "Visual Workflow",
        "REST API",
        "Prompt Orchestration",
        "Policy Engine",
        "Human-in-the-loop",
        "Audit / Tracing"
      ],
      "metrics": [
        "Настройка AI workflow: недели → дни",
        "1 управляемый контур вместо набора разрозненных AI-интеграций",
        "100% версионируемых правил и пайплайнов"
      ],
      "url": "https://axioma8.ru/",
      "embed": "https://axioma8.ru/"
    },
    {
      "id": "hiremi",
      "title": "Hiremi",
      "kind": "public",
      "eyebrow": "AI-рекрутер · интеграция с Bitrix24",
      "description": "Продуктовый AI-рекрутер с глубокой интеграцией Bitrix24: помогает рекрутинговой команде быстрее обрабатывать поток кандидатов и вести подбор внутри CRM, не меняя рабочий контур.",
      "impact": [
        "Интеграция с Bitrix24: стадии, карточки, ответственные и действия рекрутера живут в CRM.",
        "AI-автоматизация рутинных этапов подбора без отдельного изолированного инструмента.",
        "Прозрачные статусы и сценарии вокруг CRM-процесса, а не вокруг чат-бота «сбоку»."
      ],
      "stack": [
        "Bitrix24 REST API",
        "Webhooks",
        "LLM",
        "AI Automation",
        "Workflow Engine",
        "CRM Integration",
        "SaaS",
        "Role-based Access"
      ],
      "metrics": [
        "До 60% меньше ручных действий рекрутера в типовом сценарии",
        "Карточка кандидата: минуты ручного разбора → <1 минуты AI-подготовки",
        "1 рабочее место вместо переключения между CRM и отдельным AI-инструментом"
      ],
      "url": "https://hiremi.ru/",
      "embed": "https://hiremi.ru/"
    },
    {
      "id": "onepage",
      "title": "ONEpage Bot",
      "kind": "public",
      "eyebrow": "Telegram → link-in-bio factory",
      "description": "Telegram-бот, который по одному описанию и медиа собирает link-in-bio страницу, сразу деплоит её, вешает поддомен через wildcard DNS и отдаёт метрики посещений и кликов.",
      "impact": [
        "Сценарий: brief + фото → AI-генерация HTML → preview → publish на `{slug}.domain`.",
        "Wildcard-инфраструктура и renderer: каждая страница кастомизируется, версионируется и живёт как самостоятельный сайт.",
        "Очередь worker’ов (BullMQ), биллинг, рефералка, админка и аналитика трафика по ссылкам.",
        "Monorepo: Fastify API, grammY bot, AI worker, Nginx/S3, PostgreSQL + Redis."
      ],
      "stack": [
        "TypeScript",
        "pnpm Workspaces",
        "Telegram / grammY",
        "Fastify",
        "BullMQ",
        "PostgreSQL 16",
        "Drizzle ORM",
        "Redis 7",
        "S3 / MinIO",
        "Nginx",
        "Wildcard DNS",
        "OpenAI / Anthropic",
        "Docker Compose"
      ],
      "metrics": [
        "Описание → опубликованная страница: ~5 минут",
        "0 ручных действий DevOps для выдачи поддомена",
        "7 дней TTL для preview + автоматическая очистка"
      ],
      "url": "https://annatarieli.onepage.ink/",
      "phonePreview": "https://annatarieli.onepage.ink/",
      "galleryLayout": "phone",
      "gallery": [
        {
          "src": "/onepage/bot-home.png",
          "alt": "Главное меню Telegram-бота ONEpage"
        },
        {
          "src": "/onepage/bot-page.png",
          "alt": "Управление опубликованной страницей в Telegram-боте ONEpage"
        },
        {
          "src": "/onepage/bot-stats.png",
          "alt": "Статистика просмотров и кликов в Telegram-боте ONEpage"
        }
      ]
    },
    {
      "id": "seo-magic",
      "title": "SEO Magic",
      "kind": "nda",
      "eyebrow": "NDA · Content factory for SEO & marketplaces",
      "description": "Контент-завод для SEO-статей и медиа под маркетплейсы: многоступенчатые AI-агенты, очереди задач, студия карточек и конструктор вертикального RICH-контента.",
      "impact": [
        "Генерация SEO-текстов по keyword + LSI: информационные, продающие и экспертные форматы.",
        "Асинхронный пайплайн: токены → job в БД → webhook n8n → polling статуса → результат/экспорт.",
        "AI-конструктор RICH-полотна для МП: OCR, анализ визуала, блоки Hero/USP/характеристики, drag-and-drop и единый вертикальный экспорт.",
        "Управление промптами, историей задач, биллингом токенов, доступом и support-контуром."
      ],
      "stack": [
        "React 18",
        "Vite",
        "TypeScript",
        "Tailwind CSS",
        "Radix UI",
        "Framer Motion",
        "TanStack Query",
        "React Router",
        "React Hook Form",
        "Zod",
        "Supabase",
        "PostgreSQL",
        "Storage",
        "n8n",
        "LLM Agents",
        "OCR"
      ],
      "metrics": [
        "Подготовка SEO-материала: ~3–5 часов → 20–30 минут",
        "RICH-полотно: несколько ручных макетов → 1 AI-пайплайн до 60 секунд",
        "До 70% меньше времени на черновой контент и оформление"
      ],
      "url": "https://ai-designer-pres.vercel.app/",
      "embed": "https://ai-designer-pres.vercel.app/"
    },
    {
      "id": "matching",
      "title": "AI Matching Platform",
      "kind": "nda",
      "eyebrow": "NDA · HR automation · Bitrix24",
      "description": "Сервис семантического сопоставления вакансий и кандидатов с интеграцией Bitrix24: синхронизирует изменения по вебхукам, формирует векторный shortlist и даёт объяснимую оценку соответствия.",
      "impact": [
        "Интеграция с Bitrix24: роботы/вебхуки на воронках, pull через REST API, опциональные уведомления менеджерам.",
        "Двухэтапный отбор: vector pre-filter (pgvector) и глубокий LLM-анализ только релевантных пар.",
        "Кэширование по хэшам исходных данных, чтобы не пересчитывать неизменившиеся сущности.",
        "Ролевая web-панель с сортировкой, фильтрами, историей и ручным пересчётом."
      ],
      "stack": [
        "Python",
        "FastAPI",
        "Pydantic",
        "SQLAlchemy",
        "PostgreSQL 16",
        "pgvector",
        "Celery",
        "Redis",
        "Bitrix24 REST API",
        "Webhooks",
        "OpenAI-compatible LLM",
        "Embeddings",
        "JWT",
        "Docker Compose",
        "Nginx"
      ],
      "metrics": [
        "Shortlist: часы ручного разбора → ~10–15 минут",
        "До 80% меньше CV на ручной детальный разбор за счёт pre-filter",
        "LLM-расходы до 10–50× ниже благодаря кэшированию и rerank"
      ],
      "mediaHint": "Здесь можно разместить скриншот дашборда матчинга"
    },
    {
      "id": "sourcer",
      "title": "AI Candidate Sourcer",
      "kind": "nda",
      "eyebrow": "NDA · Recruitment ops · Bitrix24",
      "description": "Система первичного сорсинга под заявки с интеграцией Bitrix24: переводит требования в поисковую стратегию, ранжирует результаты и оставляет решение о передаче кандидата за рекрутером.",
      "impact": [
        "Интеграция с Bitrix24: запуск по стадии заявки, Workplace UI внутри CRM, передача кандидата в воронку найма по кнопке рекрутера.",
        "n8n как ingress-оркестратор; доменное ядро на FastAPI с адаптерами CRM/source.",
        "Асинхронные worker-процессы: поиск, анализ CV, коммуникации, CRM-операции.",
        "Детерминированная оценка поверх LLM-фактов: объяснимые критерии, пороги GOAL×K и аудит."
      ],
      "stack": [
        "Python 3.12",
        "FastAPI",
        "Pydantic v2",
        "SQLAlchemy 2.0",
        "Alembic",
        "Celery",
        "Redis 7",
        "PostgreSQL 16",
        "pgvector",
        "TimescaleDB",
        "n8n",
        "Bitrix24 REST API",
        "Webhooks",
        "React / Vue",
        "Docker Compose",
        "Nginx",
        "Playwright"
      ],
      "metrics": [
        "Сбор первичного shortlist: часы → 15–30 минут",
        "До 70% меньше CV открывается для глубокого анализа",
        "Целевой результат: 3 годных кандидата × коэффициент конверсии без ручной рутины"
      ],
      "mediaHint": "Здесь можно разместить схему пайплайна или экран workplace-интерфейса"
    },
    {
      "id": "cv-robot",
      "title": "CV Processing Assistant",
      "kind": "nda",
      "eyebrow": "NDA · Document intelligence",
      "description": "Корпоративный Telegram-ассистент для приёма резюме, извлечения структурированных данных и подготовки документов по единому шаблону.",
      "impact": [
        "Обработка PDF, DOCX и ссылок с дедупликацией по составному SHA-256 хэшу.",
        "LLM извлекает данные в валидируемую JSON-схему; предусмотрен fallback провайдера.",
        "Контроль доступа, аудит, TTL хранения и повторная выдача результата из кэша."
      ],
      "stack": [
        "Python",
        "FastAPI",
        "aiogram / python-telegram-bot",
        "Apache Tika",
        "OpenAI GPT-4.1 mini",
        "YandexGPT fallback",
        "LiteLLM",
        "Redis",
        "PostgreSQL",
        "MinIO",
        "docxtpl",
        "Docker Compose"
      ],
      "metrics": [
        "Подготовка CV: ~20 минут → 1–2 минуты",
        "Кэш-повтор: секунды вместо полного повторного pipeline",
        "До 95% повторных материалов обрабатываются без вызова LLM"
      ],
      "galleryLayout": "phone",
      "gallery": [
        {
          "src": "/cv/pipeline.png",
          "alt": "Приём PDF-резюме и статус LLM-анализа в Telegram-боте"
        }
      ]
    },
    {
      "id": "fincheck",
      "title": "Financial Reconciliation Automation",
      "kind": "nda",
      "eyebrow": "NDA · RPA / data workflows",
      "description": "Production-контур финансовой сверки между внутренними системами и внешними партнёрами: n8n оркестрирует файлы, статусы и ветвления сценариев, а изолированный runner headless исполняет версионируемые Jupyter-ноутбуки бизнес-логики.",
      "impact": [
        "Зона ответственности: интеграция тяжёлого Jupyter-шага в общий n8n-пайплайн без UI-автоматизации «как человек кликает».",
        "Разделение оркестрации и вычислений: sub-workflow принимает Excel + тип обработки, выбирает актуальный `.ipynb` из VCS и запускает papermill/runner по HTTP.",
        "Постобработка: сбор только непустых error-файлов, флаг ошибок upstream, retry, таймауты, логи `execution_id` и алерты в мессенджер.",
        "Production-ready путь: микросервис Jupiter Runner (FastAPI) с изоляцией Python/DWH, версионированием ноутбуков и E2E на реальном партнёрском файле."
      ],
      "stack": [
        "n8n",
        "FastAPI",
        "Python 3.10+",
        "Jupyter",
        "Papermill",
        "nbconvert",
        "nbclient",
        "pandas",
        "openpyxl",
        "Excel",
        "HTTP API",
        "DWH",
        "Stash / Git",
        "Docker",
        "Mattermost"
      ],
      "metrics": [
        "Запуск сверки: ~30–60 минут ручного контроля → 1 workflow",
        "100% прогонов получают execution_id, логи и статус",
        "Только непустые error-файлы попадают в дальнейший разбор"
      ],
      "mediaHint": "Здесь можно разместить схему workflow n8n и runner API"
    },
    {
      "id": "breaks",
      "title": "Operational Recovery Workflow",
      "kind": "nda",
      "eyebrow": "NDA · Business-process automation",
      "description": "Технический дизайн и реализация отказоустойчивого RPA-процесса ежедневного восстановления и балансировки операционных расписаний: сначала восстановление обязательных активностей, затем перенос интервалов под покрытие линии.",
      "impact": [
        "Формализация двух связанных процессов: recovery обязательных окон и coverage balancing без создания новых провалов.",
        "Интеграции: чтение расписаний/покрытия из БД, запись изменений через UI/API целевой системы, уведомления (Mattermost/email) по исключениям.",
        "Правила по типам графиков и контейнеров, запрет трогать вручную проставленные активности, пакетная публикация и пересчёт метрик покрытия.",
        "TDR-уровень: security, аудит действий робота, мониторинг success rate, SLA по приоритетам инцидентов и обоснование выбора n8n."
      ],
      "stack": [
        "n8n",
        "PostgreSQL",
        "SQL",
        "REST API",
        "Web UI automation",
        "Mattermost",
        "SMTP / Email",
        "Monitoring",
        "Audit Log",
        "Retry / Error Handling"
      ],
      "metrics": [
        "До 3,22 FTE/месяц освобождается от ручных операций",
        "Ежедневная обработка расписаний: часы → автоматический запуск до смены",
        "≥99% успешных запусков — целевой SLA"
      ],
      "mediaHint": "Здесь можно разместить архитектурную схему To Be / потоков данных"
    },
    {
      "id": "tarot",
      "title": "Tarot Bot · Rich UX",
      "kind": "nda",
      "eyebrow": "NDA · Telegram product with rich markup",
      "description": "Премиальный Telegram-бот таро/эзотерики с богатой визуальной разметкой: расклады с реальной колодой карт, память диалога, воронки продуктов, голос/vision и отдельная веб-админка.",
      "impact": [
        "Rich markup: отправка изображений выпавших карт из локальной колоды 78 карт, а не «AI-картинок».",
        "AI-оркестрация интерпретаций (таро, нумерология, астрология), long-term memory и relationship memory.",
        "Монетизация: фиксированные продукты, мини→полная воронка, комбо и подписки; платежные callback’и.",
        "Production: FastAPI + aiogram, Redis FSM, PostgreSQL, Docker Compose, nginx/SSL, admin SPA."
      ],
      "stack": [
        "Python 3.12",
        "FastAPI",
        "aiogram 3",
        "SQLAlchemy Async",
        "asyncpg",
        "Alembic",
        "Redis FSM",
        "KIE.ai",
        "Whisper",
        "ElevenLabs",
        "GPT Image",
        "Robokassa / Platega",
        "React Admin SPA",
        "Docker Compose",
        "Nginx"
      ],
      "metrics": [
        "Время ответа на расклад: минуты ожидания эксперта → <30 секунд",
        "78 карт: 100% раскладов с тематическим rich media",
        "Мини-расклад → полный: измеряемая продуктовая воронка"
      ],
      "galleryLayout": "phone",
      "gallery": [
        {
          "src": "/tarot/home.png",
          "alt": "Приветствие, баланс и категории в Telegram-боте таро"
        },
        {
          "src": "/tarot/menu.png",
          "alt": "Меню раскладов, баланса и настроек в Telegram-боте таро"
        },
        {
          "src": "/tarot/spread.png",
          "alt": "Расклад «выбор решения» с картами колоды"
        },
        {
          "src": "/tarot/palm.png",
          "alt": "Хиромантия: инфографика ладони и интерпретация"
        }
      ]
    },
    {
      "id": "reviews-bi",
      "title": "Reviews Intelligence BI",
      "kind": "nda",
      "eyebrow": "NDA · Marketplace reviews analytics",
      "description": "Аналитическая BI-платформа по отзывам маркетплейсов: сбор, фильтрация, дашборды, студия промптов и AI-инсайты для продуктовых и коммерческих команд. Название клиента скрыто.",
      "impact": [
        "Self-hosted dashboard: отзывы по моделям/датам, RBAC-флаги доступа, serverless/API слой поверх PostgreSQL.",
        "Контур продаж/пенетрации: ingest ERP-событий, нормализация buyer facts, справочники и time series.",
        "Prompt studio и GPT-insights для регулярного разбора тональности и сигналов из отзывов.",
        "Стек: React + Vite + Recharts, Supabase/PostgREST, gated UI под роли."
      ],
      "stack": [
        "React 18",
        "Vite",
        "Tailwind CSS",
        "React Router",
        "Recharts",
        "Supabase",
        "PostgreSQL",
        "PostgREST",
        "Vercel Serverless Functions",
        "Node.js",
        "LLM Insights",
        "Prompt Studio",
        "RBAC"
      ],
      "metrics": [
        "Сводка отзывов: дни Excel-анализа → интерактивный dashboard",
        "100% доступа к BI контролируется ролями",
        "Инсайты по отзывам: еженедельный анализ → по запросу"
      ],
      "galleryLayout": "wide",
      "gallery": [
        {
          "src": "/reviews/overview.png",
          "alt": "Дашборд анализа отзывов: тональность, инсайты и динамика"
        }
      ]
    },
    {
      "id": "energy-platform",
      "title": "Industrial Energy Metering Platform",
      "kind": "nda",
      "eyebrow": "NDA · Industrial energy consumption",
      "description": "Веб-платформа учёта и анализа потребления электроэнергии на промышленном предприятии: ввод показаний по линиям/участкам, коэффициенты трансформации, сводки и отчёты.",
      "impact": [
        "Каталог счётчиков (АСКУЭ / техучёт) с коэффициентами, начальными показаниями и привязкой к производственным линиям.",
        "Ежемесячный ввод, расчёт потребления, сводки по линиям и выгрузка отчётности.",
        "React/Vite UI, Supabase как хранилище показаний и пользователей, отчётные SQL-вьюхи.",
        "Фокус на прозрачности энергобаланса цеха без ручных Excel-сводок."
      ],
      "stack": [
        "React",
        "Vite",
        "JavaScript",
        "Tailwind CSS",
        "Supabase",
        "PostgreSQL",
        "SQL Views",
        "Recharts",
        "ExcelJS",
        "Vercel",
        "REST API"
      ],
      "metrics": [
        "Сводка потребления: дни ручной консолидации → <15 минут",
        "25+ точек учёта в одном интерфейсе",
        "100% показаний проходят валидацию коэффициентов до отчёта"
      ],
      "galleryLayout": "wide",
      "gallery": [
        {
          "src": "/energy/statement.png",
          "alt": "Ведомость учёта потребления электроэнергии"
        },
        {
          "src": "/energy/consumption.png",
          "alt": "Сводка потребления и стоимости электроэнергии"
        }
      ]
    }
  ],
  "notes": [
    "Метрики в проектах — проектные ориентиры, не аудированные KPI, кроме явно указанного FTE в Operational Recovery.",
    "Публичные продукты можно открывать по url/embed. NDA-проекты без публичного URL."
  ]
}