ПОРТФОЛИО / РАЗБОРЫ / 2026

Большая задача.
Настоящий
результат.

Шесть инженерных историй: как я соединял модели, продукт, инфраструктуру и команду. На каждом проекте — реальные интерфейсы, архитектурные решения, моя работа и подтверждённые результаты.

ПРОЕКТЫ06
03 / ХАКАТОНЫ01 / УЧЕБНЫЙ02 / ЛИЧНЫХ
01 / ХАКАТОНNUCLEAR IT HACK · НИЯУ МИФИ

Нейро­стенографист.

AI-стенографист для Android: записывает и расшифровывает разговоры на русском и английском, различает говорящих, проставляет время реплик и формирует готовую стенограмму. Вся обработка — на самом смартфоне, без интернета. Под капотом — единая система из GigaAM, Whisper, Nemotron, Silero и FDDT.

РУССКИЙ И АНГЛИЙСКИЙРАЗДЕЛЕНИЕ ГОВОРЯЩИХЖИВАЯ СТЕНОГРАММАБЕЗ ИНТЕРНЕТА
ЗАДАЧА

Собрать полноценный офлайн-стенографист из моделей распознавания, голосовой диаризации и VAD, адаптировать их для CPU ARM64 и не потерять удобство интерфейса.

МОЯ РОЛЬ

Инициатор, ведущий разработчик и тимлид. Проектировал продукт и архитектуру, интегрировал модели в Android, направлял исследования команды, выполнял системную отладку, испытания на устройстве и выпуск APK.

Что получилось

01Полностью офлайн

GigaAM распознаёт русскую речь, Whisper — английскую, Nemotron разделяет говорящих, Silero выделяет речевые фрагменты, а FDDT помогает определить автора слов на перекрытиях. Всё работает прямо в Android.

02Реальный смартфон

Физический HONOR 10X Lite (Kirin 710, Android 10): импорт, запись и живая расшифровка. p50 появления текста — 1,4 с после фразы на тестовом аудио.

03Практический интерфейс

Стенограммы с говорящими и таймкодами, поиск, редактирование имён, импорт файлов и экспорт TXT, SRT, JSON. Диаризация после постобработки: DER 5,01% на отложенном ПК-корпусе.

Инженерная сложность — соединить модели из разных исследовательских направлений в единый быстрый продукт на ограниченном мобильном процессоре. Пользователь получает не набор алгоритмов, а готовую стенограмму: кто, что и когда сказал.

Технические измерения

Контрольный корпус из 29 русскоязычных дорожек: WER 16,8% (GigaAM + Nemotron). На HONOR 10X Lite измерены медианная задержка 1,4 с после фразы и RTF 0,45 на отдельной 20-минутной записи. Результаты относятся к разным испытаниям и не являются одной совокупной метрикой.

02 / ХАКАТОНО! ХАКАТОН · ОСТРОВОК

TravelTech.

TravelTech превращает пожелание о путешествии в несколько вариантов поездки: перелёты, отели, наземный транспорт, погода, достопримечательности и бюджет. Для этого я объединил 19 источников данных и бесплатные API/MCP-инструменты в единую систему поиска.

19источников данных
11бесплатных API и интеграций
1запрос на всю поездку
ПЕРЕЛЁТЫ · ОТЕЛИ · ТРАНСФЕРЫ · ПОГОДА
ЗАДАЧА

Собрать поездку из разрозненных сервисов: понять запрос, подтвердить параметры, найти перелёты, отели и наземные маршруты, связать их с местом и временем, рассчитать известные расходы.

МОЯ РОЛЬ

Инициатор, ведущий разработчик и тимлид ITAM: продуктовая концепция, архитектура, серверная логика, интеграция поисковых источников, AI-маршрутизация, координация команды и выпуск проверенного кандидата.

Что получилось

0119 источников данных

В архитектуре объединены 19 источников: авиаперелёты, гостиницы, городской транспорт, геоданные, погода и дополнительные сведения о месте. Среди них — 11 бесплатных API и интеграций.

02Путешествие целиком

Перелёты и проживание соединяются с наземным транспортом, курсами валют, погодой, климатом, достопримечательностями и календарём. Система учитывает географию, даты и доступные источники.

03Сквозной результат

Сервис формирует варианты поездки, помогает выбрать сочетание перелёта, отеля и маршрута и сохраняет результат. Реализованы корзина и демонстрационный сценарий заказа.

Главная идея TravelTech — превратить множество отдельных поисковых сервисов в одного помощника по планированию путешествий. Разбор запроса, выбор маршрута, данные поставщиков и расчёт бюджета работают в одном пользовательском сценарии — без обязательного платного AI API.

Техническая архитектура и источники

Данные поступают через MAQAMI MCP, VBB, Photon, MET Norway, Open-Meteo, NASA POWER, Wikimedia, OSM Overpass, Frankfurter и Nager.Date, а также другие поисковые адаптеры. Для каждого источника система учитывает ограничения вызовов, доступность маршрутов и происхождение ответов.

Подтверждён сквозной сценарий с несколькими перелётами и отелями, сохранением выбранного варианта после перезапуска сервера. Корзина и заказ демонстрационные: бронирование и оплата не выполняются.

03 / ХАКАТОННИУ ВШЭ · КОД СО СМЫСЛОМ 2

Музейный
компас.

VK-бот для отбора волонтёров Государственного исторического музея на Красной площади. Кандидат общается во ВКонтакте, а LLM уточняет недостающие ответы, оценивает пять критериев с дословными цитатами и готовит решение для координатора.

ЗАДАЧА

Сделать отбор волонтёров доступным в привычной российской коммуникационной среде и убрать ручное чтение сотен свободных ответов. Поэтому основным каналом презентации проекта выбран VK-бот, а решения ИИ снабжены цитатами.

МОЯ РОЛЬ

Капитан и ведущий разработчик: архитектура, backend, LLM-оценщик, VK Bots Long Poll, хранение и синхронизация данных, интеграция всей системы и защита проекта.

Что получилось

01VK вместо отдельного приложения

Диалог через VK Bots Long Poll: вопросы по ответам кандидата, состояние сессии в SQLite и продолжение после повторного сообщения. Удобный российский канал взаимодействия.

02Объяснимая LLM-оценка

Пять критериев, баллы 0–3 или «нет данных» и цитаты кандидата. Сервер проверяет доказательства, считает итог и готовит темы собеседования.

03Устойчивость к сбоям

Повторная отправка не создаёт дублей. При сбое синхронизации Google Sheets анкета остаётся в SQLite. Режим rules_demo позволяет проверить систему без внешней модели.

Это не просто чат-бот: российский канал общения, локально сохраняемые заявки, проверяемое AI-оценивание и координация людей в одном сценарии. VK повышает доступность для целевой аудитории, но бот, конечно, требует работающей связи.

02 / УЧЕБНАЯ ПРАКТИКА

Из идеи в бизнес-процесс.

04 / УЧЕБНЫЙ ПРОЕКТTELEGRAM MINI APP · CLOUDFLARE

Ателье.

Разработал работающий Telegram-магазин и Mini App: не просто витрину, а систему заказов с индивидуальным пошивом, версиями смет, резервированием остатков, учётом возвратов и отдельным интерфейсом управления.

ЗАДАЧА

Соединить покупательский интерфейс с реальной бизнес-логикой: администрирование товаров и остатков, индивидуальные заявки, корректные переходы статусов и сохранность состояния.

МОЯ РОЛЬ

Автор концепции, архитектуры и ведущий разработчик: организовал AI-assisted реализацию, бизнес-правила, интеграцию Telegram / Cloudflare / SQL, тестирование и поддержку демо.

Что получилось

01Облачное демо

Telegram-бот и полноценная Mini App работают на Cloudflare Workers с постоянной SQL-базой D1; демо доступно без включённого домашнего ПК.

02Сложная логика заказов

Отдельный сценарий индивидуального пошива, версии смет, резервирование товара, админ-панель, возвраты и запрет повторного восстановления склада.

03Тесты и контроль

Тесты гонок, повторной доставки уведомлений, прав доступа и отказов; предусмотрены резервные копии и сценарии восстановления.

Сильная часть проекта — полноценная инженерная основа магазина, работающая на доступной бесплатной инфраструктуре. Реальные товары и платежи пока не подключены; бизнес-логика и интерфейсы представлены в демонстрационном режиме.

03 / ЛИЧНЫЕ ПРОЕКТЫ

Инструменты из реальных потребностей.

05 / ЛИЧНЫЙ ПРОЕКТWINDOWS · AUTOMATION · AI AGENTS

Windows
Bridge.

Облачная LLM из обычного чата не имеет полноценного доступа к моему компьютеру. Я создал собственный мост: модель вызывает MCP-инструменты, локальный Windows-агент выполняет операции, а результат возвращается в диалог. Без отдельного платного API для самого Bridge.

ЗАДАЧА

Устранить разрыв между сильной облачной моделью и реальной длительной работой на ПК. Терминальные агенты решают часть проблемы, но обычно требуют отдельного режима и имеют собственные квоты.

МОЯ РОЛЬ

Автор идеи, архитектуры и основной интеграции. Спроектировал собственный локальный MCP-хост, способы доступа к Windows, систему контроля операций и цикл проверки результата; руководил AI-assisted реализацией и испытаниями.

Что получилось

01Облачный чат → компьютер

Обычная облачная LLM может выполнять действия на моём Windows-ПК: работать с файлами и процессами, запускать скрипты, взаимодействовать с браузером и поддерживаемыми интерфейсами приложений.

02Цикл до результата

Управляемые длительные задачи: модель получает состояние системы, выполняет шаги, анализирует ошибки, повторно проверяет фактическое изменение и продолжает сценарий.

03Экономика без нового API

Мост использует собственный ПК и уже доступный интерфейс модели. Отдельная оплата API для самого Bridge не требуется.

Главная инновация — не очередной терминальный агент, а собственный способ подключить сильную облачную LLM к настоящей рабочей среде. Это позволяет переносить часть длительной инженерной работы в обычный чат вместо расходования отдельной квоты кодинг-агента. Ограничения и условия доступа к самой модели при этом сохраняются.

06 / ЛИЧНЫЙ ПРОЕКТНИТУ МИСИС · MOODLE API

Moodle
Bridge.

Я подключил AI-ассистента напрямую к учебному порталу университета. Он получает курсы, задания, оценки, сроки и файлы через авторизованный API, ищет нужный материал и помогает работать с учебными задачами в одном диалоге.

ЗАДАЧА

Превратить разрозненные страницы учебного портала в единую рабочую среду: открыть задание, найти нужную лекцию, понять сроки и оценить прогресс без ручного копирования.

МОЯ РОЛЬ

Автор идеи и основной интеграции: локальная авторизация, Moodle API, загрузка материалов, индексация и гибридный поиск, подключение к облачной модели и проверка реальных заданий.

Что получилось

01Учебные данные через API

Курсы, дедлайны, материалы, модули и оценки доступны из одного запроса через авторизованный API-клиент. Извлечение текстов PDF/PPTX для подготовки к занятиям.

02Работа с авторизацией

Сохранённая авторизация Windows DPAPI, локальный индекс и гибридный поиск: точные совпадения, формульные правила и опциональные локальные мультиязычные embeddings.

03Автоматизация

Облачный помощник может самостоятельно находить задания и учебные материалы, разбирать их и отслеживать сроки. Выполнение и отправка работ не заявляются без отдельной проверки.

Это продолжение Windows Bridge: один короткий запрос связывает облачный интеллект с реальным университетским порталом и локальным смысловым поиском. Разница между просмотром расписания и персональной системой обучения — в доступе к содержимому и контексту.

ДОПОЛНИТЕЛЬНО / РАННИЙ ПРОЕКТ

AI MIRRORS.

Экспериментальный центр управления AI через Telegram: задачи направляются выбранным моделям и инструментам, результаты сохраняются, а работу можно восстанавливать после сбоев. Личный проект, объединяющий разные AI-сервисы в один интерфейс.

Исходники на Hugging Face ↗