Иван Зверев

// Технологии

AI-разработка

Веду продукт от и до: проектирую архитектуру, ставлю задачи, сам отлаживаю, тестирую и довожу до стабильной работы.

Как я довожу проект на ИИ от идеи до рабочей версии

За результатом стоит метод и конкретные инструменты. Вот как я работаю.

  • Сначала полностью проектирую ядро: как всё устроено и из чего состоит. Пишу подробную документацию — описываю проект целиком ещё до кода.
  • Провожу глубокое исследование (deep research) сразу в нескольких нейросетях — собираю самое свежее: актуальные фреймворки, подходы к коду, готовые проверенные движки и инструменты, чтобы не изобретать с нуля и сразу строить на сильной базе. На GitHub нахожу открытые, уже обкатанные решения — обычно это отдельные модули или части движков, которые я дорабатываю и встраиваю под свой проект.
  • Не сваливаю всё на одного агента: под каждую задачу и тонкость делаю отдельных, узко обученных ИИ-агентов со «скиллами» (наборами свежих знаний и правил). Каждый знает свой участок — конкретные модули, движки, элементы, стиль и дизайн проекта, его библиотеки и структуру, и даже идеологию проекта и язык, которым он подаётся пользователю (позиционирование, тон, вайб).
  • Разбиваю проект на микрозадачи в большой таблице-плане: расписано всё, что нужно сделать, — и техническим, и понятным языком. По мере выполнения видно, что закрыто и что происходит.
  • Сам отлаживаю и проверяю: прохожу по логам, воспроизвожу и чиню баги, валидирую вывод, обкатываю до продакшена — гоняю, пока не заработает стабильно.
  • Когда нужно — привлекаю под задачу профильных программистов: умею ставить ТЗ и руководить разработчиками, а не только ИИ. Так ещё во времена ремонта ПК (до эпохи ИИ) руководил программистом, который собирал мне CRM, и отдельно — разработчиком сайта на Битриксе. Сейчас это требуется нечасто, но при необходимости беру людей, которые глубоко живут в коде и точечно правят сложные места.

iShaker — чем я занимаюсь прямо сейчас

Текущая работаishakerusa.com →

Удалённо веду парк из 30+ вендинговых машин на Linux у клиентов в США, Европе, Аргентине и других странах — через ИИ-агентов. Клиенты — отдельные компании, чаще спортзалы и фитнес-центры; со всеми общаюсь на английском. Моя роль — IT-архитектор: диагностика, прошивки и обновления, настройка, база знаний и поддержка.

Аппарат iShaker
В фитнес-зале, Бостон

Управление парком машин

  • 30+ Linux-машин под единой защищённой сетью (Tailscale) — доступ без публичных IP.
  • Скриптовый деплой прошивок; собственный релей для раскатки обновлений ускорил решение клиентских вопросов с часа до 2 минут.
  • Клиенты в США, Европе, Аргентине, Швейцарии, Греции и других странах — под единой системой.
  • Уровень доверия: мне предоставили полный sudo-доступ ко всему парку машин и серверной инфраструктуре — это про репутацию, этичность и ответственность.

Система, которая документирует себя сама

  • Аккуратно работаю с сессиями: после каждой специальный субагент извлекает диалог и сам пополняет базу знаний — так ИИ сохраняет контекст и память и может продолжать работу в будущем.
  • Под задачи сделал отдельных субагентов — каждый обучен под свою роль (разбор диалога, обновление знаний, классификация сообщений).
  • WhatsApp-бот на Whapi.Cloud слушает 15 групп, классифицирует сообщения по ролям и держит базу знаний актуальной в реальном времени.

Каждая сессия диагностики сама превращается в структурированную базу знаний. Поддержка становится управляемой и прозрачной.

Сейчас завершаю эту работу и передаю дела: с собственником у нас отличные отношения, поэтому помогаю новым сотрудникам войти в систему, чтобы всё продолжало работать гладко (всю базу знаний и контекст уже передал команде). Ухожу из-за разницы во времени — живу на Бали, а бизнес в США (≈12 часов), и постоянно работать по ночам мне не подошло. Обсуждали даже переезд в их тайм-зону, собственник был готов помочь с жильём, но это была Мексика — туда переезжать я не захотел.

Python/FastAPI · Tailscale · AnyDesk · Claude Code (субагенты) · PostgreSQL · DokuWiki/WordPress · ShakerView (Unity/C#) · Whapi.Cloud

RAVE.systems — мой проект. Зайдите и послушайте прямо сейчас, гостевой доступ открыт

██████╗  █████╗ ██╗   ██╗███████╗   ███████╗██╗   ██╗███████╗████████╗███████╗███╗   ███╗███████╗
██╔══██╗██╔══██╗██║   ██║██╔════╝   ██╔════╝╚██╗ ██╔╝██╔════╝╚══██╔══╝██╔════╝████╗ ████║██╔════╝
██████╔╝███████║██║   ██║█████╗     ███████╗ ╚████╔╝ ███████╗   ██║   █████╗  ██╔████╔██║███████╗
██╔══██╗██╔══██║╚██╗ ██╔╝██╔══╝     ╚════██║  ╚██╔╝  ╚════██║   ██║   ██╔══╝  ██║╚██╔╝██║╚════██║
██║  ██║██║  ██║ ╚████╔╝ ███████╗██╗███████║   ██║   ███████║   ██║   ███████╗██║ ╚═╝ ██║███████║
╚═╝  ╚═╝╚═╝  ╚═╝  ╚═══╝  ╚══════╝╚═╝╚══════╝   ╚═╝   ╚══════╝   ╚═╝   ╚══════╝╚═╝     ╚═╝╚══════╝
RESONANCE BY REFERENCE

// подбор андеграунд-музыки по референсу — похожее по вайбу, а не по стилю

Открыть RAVE.systems →

гостевой доступ — заходите и слушайте

логинпароль

Сервис подбирает музыку точнее и интереснее, чем «голый» ИИ. Я пробовал делать это напрямую через API нейросетей — и понял, что лучше идти другим путём.

  • Работает за счёт связки внешних сервисов — конкретные технологии не раскрываю. Результат точнее, чем у «голого» ИИ.
  • Профессиональный инструмент для диджеев, не для обычных слушателей: диджей задаёт 15–20 треков, связанных одной идеей и вайбом, — система распознаёт, что именно нужно, и подбирает по этому референсу. Чётче, чем Apple Music, Spotify или YouTube Music; жанр чаще всего совпадает, а если нет — это всё равно те треки, что человеку интересны.

PostgreSQL · FastAPI · React · внешние музыкальные сервисы · AWS Lightsail

Другие системы, которые я проектирую и собираю

Я собрал много проектов — это моё хобби и способ осваивать новые технологии и программирование через ИИ. Часть из них сознательно не довожу до конца: держать их «живыми» стоит денег (серверы, ИИ), а цель — научиться. Поэтому здесь и рабочие, и исследовательские прототипы.

Личный R&D · публичной версии нет

Прогноз землетрясений

Исследовательский проект: оценивает, где и когда возможно землетрясение, по спутниковым и научным данным. В основе — реальные измерения и физика.

  • Тяну данные в реальном времени примерно из 16 научных источников — NASA, NOAA, ESA Swarm, USGS, GFZ Potsdam и других: космическая погода, сейсмокаталоги, геомагнитные и ионосферные индексы. Полный список покажу отдельно.
  • Связь космической погоды и сейсмики: солнечный ветер, геомагнитные бури, ионосферные аномалии, тепловые сигнатуры и сейсмо-предвестники как ранние признаки. Расчёт риска по 24+ факторам для 20 сейсмозон мира, прогноз на 5–7 дней. Система не пытается предсказать всё подряд — в среднем выделяет 4–7 событий в день: те, где факторы сошлись и явно указывают на возможное землетрясение.
  • В основе — опубликованные механизмы: приливное (гравитационное) триггерирование землетрясений (Ide, Yabe & Tanaka, Nature Geoscience, 2016 — рост вероятности крупных событий при высоком приливном напряжении) и сейсмо-ионосферные связи (модель LAIC).
  • Замкнутый цикл самокалибровки: каждый час сверяет прошлые прогнозы с каталогом USGS и сам подстраивает веса факторов (Precision/Recall/F1) — без машинного обучения, на физике.
  • Частично перенял открытую методологию исследовательского проекта, который вёл прогнозы землетрясений по локации в 2017–2020 и затем приостановил их.
Факторная модель: вклад параметров — от OLR-аномалий и солнечного ветра до приливных сил планет
Пример прогноза по региону: риск, уверенность, временное окно и качество данных

Node/TypeScript · PostgreSQL · MapLibre · DigitalOcean — исследовательский прототип

Клиентский проект · в работе

Finance Nexus — сайт, который изучает посетителя

Сайт финансово-бухгалтерской компании в Польше (financenexus.pl) — адаптируется под каждого посетителя в реальном времени. Проект в работе, ещё не закончен.

Открыть financenexus.pl
  • Считывает все действия (клики, скролл, выделения, чат) и узнаёт вернувшихся через FingerprintJS.
  • Оценка интереса по 14+ параметрам в реальном времени → горячий лид с приоритетом и записью сессии (rrweb) уходит менеджеру в Telegram — вместе с контекстом: интересы человека, поведение на сайте и другие сигналы.
  • Сайт постоянно изучает посетителя и пишет всё в базу — ИИ знает, какие темы человеку интересны, о чём с ним говорить и в какой манере.
  • AI-консультант говорит на языке клиента (RU/UA/PL) и сам решает, когда уместно написать — чтобы не спамить холодных.

Next.js · Supabase · Gemini · FingerprintJS · rrweb · Telegram · 3 языка

Маркетинговую сторону этих систем — AI-воронку для коучей и другие — смотрите в кейсах.

Что собираю

Веб-приложения и сайтыTelegram-боты и mini-appsЧат-боты на разных AI-APIПоиск по видео и тексту (pgvector)Мульти-агентные системыCRM и внутренние системыИнтеграции по APIAI-воронки лидогенерации

Технологический стек

Вот чем реально пользуюсь в работе.

Фронтенд

Next.jsReactTypeScriptTailwindFramer Motion

Бэкенд

Python / FastAPINode / ExpressaiogramSQLAlchemyPrisma

Данные и поиск

PostgreSQLpgvectorSupabaseRedis

Инфра

AWS LightsailDigitalOceanDockerTailscaleNginx / CaddyPM2

ИИ

Claude / Claude CodeGemini Pro / Flash / embeddingGPT