Собрал инструменты для своей работы: управление агентами, подготовка документов, учёт заказов и поиск клиентов. От меня — задача, требования, организация работы ИИ и проверка результата. Ниже показываю, что получилось и как устроен каждый проект.
6проектов для собственных задач
4818прошедших тестов Lab Worker в прогоне 7 октября 2026
AIClaude Code и Codex в рабочем процессе
APITelegram, Notion и другие интеграции
Что стоит за результатами. Проекты можно разобрать по исходникам, истории изменений и рабочим сценариям. Для Lab Worker сохранён отчёт прогона от 7 октября 2026: 4818 тестов и 18 под-тестов прошли без ошибок. Новые функции проходят отдельную проверку.
Кейсы: шесть систем
Платформа управления ИИ-агентом с телефона
собственный проект2026
Мощный ИИ-агент живёт на домашней машине, а владелец — нет. Нужен был полноценный рабочий интерфейс к нему с телефона: не «чатик», а среда, где видно проекты, диффы, терминал и историю. Требование сформулировано жёстко: работать должно всегда.
Что сделал
Веб-платформа поверх агента: долгоживущая сессия на Agent SDK, настоящая система разрешений (а не «разрешить всё»), стрим по WebSocket.
Рабочее пространство: проекты, git-панель, unified-диффы, полноценный терминал через ConPTY, полнотекстовый поиск по всей истории работы (SQLite FTS5).
Безопасность как инвариант: сервер слушает только loopback, наружу — обратный туннель через VPS с TLS; конфиги шифрованы AES-256-GCM, двухфакторная аутентификация, CSRF на всех изменяющих ручках. До восьми авторизованных устройств одновременно.
Проверка с помощью AI-агентов: отдельные проходы по обработке ошибок, доступам и сохранению состояния. Найденные проблемы разбираются и получают проверки на повторение.
Эксплуатация: супервизор, восстановление соединения и проверки основных функций.
С телефона доступны проекты, история, терминал и работа с агентами на домашнем ПК. Для сбоев предусмотрены перезапуск и диагностика. Отдельно исправлен установщик планировщика Windows, возвращавший лимит работы в 72 часа.
Ни одного открытого порта на домашней машине: туннель поднимает сама платформа изнутри, наружу торчит только VPS.
Бот для подрядчика: доступ к результату без доступа к системе
собственный проект2026
Нужно было подключить подрядчика к моему производственному конвейеру документов, но не показывать ему саму архитектуру — она и есть актив. И заодно снять с себя учёт: заказы, сроки, платежи, долги, проценты исполнителю.
Что сделал
Бот как единственный интерфейс. Исполнитель работает с кнопками и формой заказа, без настройки внутреннего процесса. Один экран: навигация переписывает то же сообщение, новым приходят только события. Есть тест, который проверяет, что ни одна кнопка не ведёт в пустоту.
Мост в изолированную виртуалку. Бот кладёт задачу в task.json, запускает команду из конфига, ждёт result.json. Текст задачи передаётся файлом, путь возвращаемого архива проверяется. Мост поддерживает запуск в VM и отдельный хостовый режим; границы доступа зависят от выбранной конфигурации.
Учёт и деньги. Заказы, платежи, начисления по матрице процентов. Незаполненный процент не равен нулю: бот отказывается провести начисление с внятной ошибкой, а не молча проводит работу на 0 ₽.
Notion как витрина, а не как база. Запись односторонняя, очередь событий лежит в SQLite. Notion упал — учёт продолжает работать, неотправленное догоняет следующим тиком.
Алерты, которые не задалбывают. Повод помечается в базе ключом, то же обстоятельство второй раз не поднимается. Алерт, приходящий каждые 15 минут, перестают читать через день — это дороже пропущенного алерта.
Заказы, платежи и начисления собраны в одном интерфейсе. База учёта работает отдельно от Notion; витрина обновляется через очередь. Доступ исполнителя ограничен его задачами.
Подрядчик получает результат работы системы, но не саму систему. Задача и результат передаются через файлы с проверкой путей.
Конвейер автогенерации технических документов
собственный проект2026
Производство объёмных технических документов по формальным требованиям: оформление по стандарту, расчёты, код, графики, выгрузка в docx/pdf/zip. Задача — передать повторяющиеся этапы агентам, сохранить требования к результату и вовремя остановить процесс, если данных не хватает.
Что сделал
Многофазный конвейер: разбор требований → выполнение → сборка → приёмка. У каждой фазы свой контекст и письменная передача следующей — один агент не тащит на себе весь объём.
Детерминированные гейты вместо надежды на модель. На стыках фаз не «проверь себя, пожалуйста», а программные проверки: структура документа сверяется с первоисточником требований, скан на утечку секретов, отказ отдать результат при несовпадении.
Возобновление после сбоя. Состояние заказа и бюджет сохраняются. Если нужен ответ владельца, он связывается с конкретным заказом; после ответа работа продолжается с сохранённого этапа.
Учёт работы агентов. Сохраняются события, расход и результаты этапов. По ним можно разобрать причину остановки и затраты на конкретный прогон.
Проверки архитектуры. В сохранённом прогоне от 7 октября 2026 прошли 4818 тестов и 18 под-тестов. Проверяются приёмка, восстановление, учёт и передача результатов.
Требования проходят через отдельные этапы подготовки, выполнения, сборки и приёмки. Ошибка или нехватка данных сохраняется как состояние задачи, а готовность результата проверяется перед выдачей.
Гейт — программная проверка, а не просьба к модели проверить себя. Не прошёл — фаза не отдаёт результат дальше.
Пайплайн поиска и квалификации клиентов
собственный проект2026
Найти бизнесы, которым автоматизация действительно нужна, без ниши и без спама. Главная идея: раз ниши нет — отбирать не по отрасли, а по наблюдаемым признакам ручной работы. Это мой инструмент для поиска и подготовки адресных предложений.
Что сделал
Конвейер со стадиями:поиск → отбор → досье → письмо → проверка человеком → отправка → ответ. Каждая стадия — отдельная команда со состоянием в базе: можно остановиться и продолжить.
Самый сильный признак — открытая вакансия на рутинную роль: боль названа словами самого бизнеса, а зарплата задаёт верхнюю границу разумного бюджета. Дальше — отзывы «не дозвониться», приём заявок руками в личные сообщения, однотипные документы.
Досье с источниками: каждый факт о компании привязан к ссылке, откуда он взят. Письмо не опирается на выдумку модели — непроверенная строка до письма не доходит.
Предохранители против спама встроены в архитектуру: письмо уходит по одному, с потолком в сутки и случайными промежутками; ни одно не уходит без одобрения человеком; в каждом письме — источник адреса и способ отказаться; стоп-лист проверяется перед отправкой.
Отдельная обработка личных данных. Перед моделью стоит слой очистки текста и замены контактов их ролями. У автоматического распознавания есть ограничения, поэтому правила передачи данных проверяются отдельно.
Проверки перед отправкой: статус одобрения, соответствие одобренному тексту, лимиты и стоп-лист.
Ценность конструкции — в критерии отбора: письмо готовится по найденным признакам задачи и проверенным источникам. Тот же подход переносится на квалификацию входящих заявок.
ИИ-ассистент с памятью, которая живёт месяцами
собственный проект2026
Болезнь всех ассистентов на языковых моделях: каждая сессия начинается с нуля. Нужно было, чтобы ручной запуск, запуск по расписанию и облачная сессия ощущались как один и тот же агент с одним контекстом — и чтобы контекст пережил смену модели.
Что сделал
Память как обычный текст в приватном репозитории: компактное ядро, зоны проектов, журналы только на дозапись. Текст можно сравнить по версиям, откатить и использовать с разными моделями.
Автозагрузка на старте: ядро печатается в порядке «стабильное первым, волатильное последним» — это помогает повторно использовать стабильную часть контекста.
Дисциплина против протухания: изменяемые факты датируются, при смене состояния старое помечается устаревшим, а не удаляется молча. Отдельный набор контрольных вопросов — детектор того, что важный факт «утонул» под массой истории.
Интеграции: задачи и клиенты в Notion, события и дедлайны в календаре, уведомления и готовые файлы в Telegram.
MCPNotion APIGoogle Calendar APITelegram Bot APIgit как базаPython
Эффект
Контекст живёт месяцами и переживает пересоздание окружения. Это же решение переносится в любой продукт, где ассистент должен помнить клиента между обращениями, а не переспрашивать заново.
Конвейер сборки игровых уровней
в разработке2026
Свой проект на Unreal Engine 5. Уровни не лепятся руками: они описываются правилами и собираются конвейером, а трёхмерные объекты и текстуры к ним делаются с помощью ИИ.
Что сделал
Конвейер «описание → Blender → движок»: уровень задаётся структурой данных, дальше собирается автоматически. В проекте есть спецификации уровней и единая команда сборки.
Трёхмерный контент делает ИИ, а не ручной моделлинг: модели и текстуры генерируются и дальше доводятся скриптами в Blender до вида, пригодного для движка.
Автопрогон с приёмкой: сборка запускается одной командой, сама делает снимки и замеряет кадр — есть цифры по стоимости тумана, света и геометрии в миллисекундах при бюджете 16,7 мс. Решения принимаются по замеру, а не по ощущению.
Проектная дисциплина: четыре документа-истины и отдельно зафиксированные отвергнутые решения — чтобы не переспорить самого себя через месяц.
Выбираем один проект и рабочий сценарий. Показываю задачу, этапы работы агентов, результат и разбор ошибок. Материалы для показа готовим без чужих данных и секретов.
Прогон тестов при вас
Можно посмотреть сохранённый отчёт или запустить согласованный набор проверок. Обсудим, что они проверяют и какие сценарии требуют отдельной проверки вживую.
Журналы, а не слайды
История изменений, события этапов и отчёты помогают понять, что было исправлено и на чём основан результат. Для показа выбираем материалы без личных данных.
Пилот вместо обещаний
Один процесс, критерий успеха записан до начала работы. Не достигнут — не масштабируем, и я скажу это первым. Проверка делом стоит дешевле, чем доверие на слово.
Показываю свои проекты и объясняю решения на конкретных примерах. Для демонстрации выбираем материалы без секретов и чужих данных. Объём доступа к исходникам согласуем отдельно.
Инструменты
Как я работаю и что используется в проектах.
Моя работа
Разбираю задачу, задаю требования AI-агентам, организую этапы, проверяю результат и возвращаю ошибки в работу. Использую Claude Code, Codex, инструкции, память и отдельные проверки.
Стек проектов
Python · Node.js · SQLite · Telegram / aiogram · REST API · Notion · WebSocket · инструменты проверки и развёртывания. Это технологии созданных систем, а основной способ разработки — работа с AI-агентами.
Подходящие задачи
Внутренние инструменты, обработка документов, Telegram-боты, интеграции, сбор данных и агентные процессы. Начинаем с одного сценария и проверяем его на реальных входных данных.
Выбор инструментов
Мои проекты собраны с помощью AI-агентов и кода. Если задача требует конкретного конструктора — n8n, Make или другого — сначала проверяем небольшой сценарий в нём и согласуем подход.
