MAX
COORD_X:006 // Y:000
SECTION_00 // CASES
Selected work · documented scopeИзбранные проекты · зафиксированный scope

SYSTEMS AND STRATEGIES
FOR HARD DECISIONS
СИСТЕМЫ И СТРАТЕГИИ
ДЛЯ СЛОЖНЫХ РЕШЕНИЙ

Here are selected consulting and operating projects. For each one I show the problem, the decision point, what I built, the measured outcome or decision-stage deliverable, and where the evidence stops.Здесь собраны отдельные consulting и operating projects. В каждом кейсе я показываю проблему, точку решения, что собрал, измеримый результат или deliverable для принятия решения и границу доказательств.

An installation brief without assembling it across four places

For Chekhov and Partners, I brought Google Sheets, the source Telegram group, Yandex Disk and dispatch to the crew’s Telegram group into one interface. The service retrieves materials and checks source statuses. Estimate preparation accounts for 38 edge cases: some are handled automatically, while others require a coordinator’s decision before dispatch.

One brief required work in four places

The coordinator had to find order data in Google Sheets, videos in the source Telegram group and an estimate on Yandex Disk. Then remove commercial prices, assemble a message and dispatch the package to another Telegram group. Missing files and multiple versions meant more manual searching.

The service handles retrieval and checks

The coordinator now enters an order number. The service collects materials and reports separate statuses for Sheets, Telegram and Disk. The coordinator can edit fields, select a crew and review the full package in the same interface. This removes switching between four places, copying data and forwarding attachments individually.

Four steps for the coordinator

  1. Load the order and check source statuses
  2. Review data, estimate and videos; select a crew
  3. Confirm the exact package and recipient
  4. See delivery results by component and in history
Source statuses show which materials were found and what needs review. Original Russian interface.
Source statuses show which materials were found and what needs review. Original Russian interface.

38 edge cases in estimate preparation

I examined variations in Excel structure, quantities, units, product labels and file contents. The service handles reordered columns and stage headings, excludes prices and zero-quantity items, and keeps long descriptions readable. It does not replace a missing quantity with one; when several worksheets match, it asks the coordinator to choose. Ambiguous data requires review or stops preparation.

The installation estimate retains work items, materials and quantities. Commercial prices are removed.
The installation estimate retains work items, materials and quantities. Commercial prices are removed.

Details that remove manual work

  • No estimate on Disk: the service checks Telegram. Historical coverage includes 288 cached XLSX files and 2,590 attachment links.
  • A different estimate is needed: the coordinator uploads a replacement file with a progress indicator and confirms it contains no prices.
  • No video: it can be requested from the order card. Dispatch without video requires separate consent; a source access error does not count as a missing file.
  • Choosing a recipient: the three most recent crews are shown, and others can be found by name. There is no need to open the group and forward files manually.
  • The spreadsheet says “5к” or “12,5К”: the service interprets abbreviated amounts when calculating the outstanding payment.
  • Checking delivery: each package component has a result, and history records what was sent, to whom and when. Retries account for components already delivered.

Checks are built into the dispatch workflow

An incomplete package or missing recipient blocks normal dispatch. Changed source data requires a fresh review. Exceptions, such as dispatch without video, require explicit consent. The coordinator makes decisions that need human judgment, while the service retrieves materials, assembles the package and checks readiness.

No before-and-after timing study has been conducted, so no speed multiplier is claimed.

Монтажное задание без ручной сборки по четырём источникам

Для «Чехова и Партнёров» я собрал в одном интерфейсе Google-таблицу, исходную Telegram-группу, Яндекс Диск и отправку в группу бригады. Сервис сам находит материалы и проверяет их статусы. При подготовке смет учтены 38 нестандартных ситуаций: одни обрабатываются автоматически, другие требуют решения координатора до отправки.

Координатор собирал одно задание в четырёх местах

Данные заявки нужно было найти в Google-таблице, видео в исходной группе Telegram, смету на Яндекс Диске. Затем убрать из сметы цены, собрать сообщение и отправить всё в другую Telegram-группу. При отсутствии файла или нескольких версиях поиск приходилось продолжать вручную.

Поиск и проверки выполняет сервис

Теперь координатор вводит номер заявки. Сервис собирает материалы и показывает отдельный статус таблицы, Telegram и Диска. Поля можно уточнить, бригаду выбрать здесь же, а перед отправкой увидеть весь пакет. Это убирает переключения между четырьмя местами, ручной перенос данных и отдельную пересылку вложений.

Четыре этапа для координатора

  1. Подгрузить заявку и увидеть статусы источников
  2. Проверить данные, смету и видео, выбрать бригаду
  3. Подтвердить точный состав пакета и получателя
  4. Получить результат по частям и запись в истории
Статусы показывают, какие материалы найдены и что нужно проверить.
Статусы показывают, какие материалы найдены и что нужно проверить.

38 нестандартных ситуаций в сметах

Я разобрал отклонения в структуре Excel, количествах, единицах, маркировках и содержимом файлов. Сервис распознаёт переставленные столбцы и заголовки этапов, исключает цены и нулевые позиции, сохраняет читаемость длинных описаний. Пустое количество не заменяет единицей; при нескольких подходящих листах просит выбрать нужный. Если данные нельзя однозначно обработать, требует проверки или останавливает подготовку.

В монтажной версии сохранены работы, материалы и количества. Цены исключены.
В монтажной версии сохранены работы, материалы и количества. Цены исключены.

Детали, которые убирают ручную работу

  • Смета не найдена на Диске: сервис проверяет Telegram. Исторические материалы подготовлены заранее: 288 XLSX в кэше и 2 590 ссылок на вложения.
  • Нужна другая смета: координатор загружает свой файл с индикатором прогресса и подтверждает отсутствие цен.
  • Нет видео: его можно запросить из карточки. Отправка без видео требует отдельного согласия; ошибка доступа к источнику не считается отсутствием файла.
  • Нужно выбрать получателя: видны три последние бригады, остальные находятся по названию. Открывать группу и пересылать файлы вручную не нужно.
  • В таблице написано «5к» или «12,5К»: сервис распознаёт сокращённые суммы при расчёте остатка к оплате.
  • Нужно проверить отправку: результат виден по каждой части пакета, история сохраняет что, кому и когда отправили. Повтор учитывает уже доставленные части.

Проверки встроены в путь до отправки

Неполный пакет и невыбранный получатель блокируют обычную отправку. Изменение исходных данных требует новой проверки. Исключения, например отправка без видео, подтверждаются отдельно. Координатор принимает решения там, где нужен человек, а поиск, сборку и проверку готовности выполняет сервис.

Замер времени до и после ещё не проводился, поэтому коэффициент ускорения не указан.

“Maxim is an excellent specialist. He quickly built a service that helps our business automate the work of the installation department. We will work with him again.”
Alexander ChekhovCEO & Founder, Chekhov & Partners
“Максим отличный специалист. Быстро собрал сервис, который помогает в бизнесе автоматизировать работу монтажного отдела. Будем обращаться ещё.”
Александр ЧеховCEO и основатель «Чехов и партнеры»
Case 07 · AI tender analysisКейс 07 · AI-анализ тендеровB2B · Industrial equipment supplierB2B · Поставщик промышленного оборудования

Tender selection with explainable scoring and AI conclusionsПодбор тендеров с объяснимым скорингом и AI-выводами

Product consultant · System design and implementationПродуктовый консультант · Проектирование и разработка системы

An industrial equipment supplier needed to decide which tenders deserved a sales manager’s attention. Important details were scattered across notices, specifications, spreadsheets and contract drafts. I built a workspace that collects tenders from Tenderplan, matches them against the supplier’s catalogue, explains their priority and prepares an AI brief with source quotes and questions for the manager.Поставщику промышленного оборудования нужно выбирать закупки, на которые стоит тратить время отдела продаж. Важные условия разбросаны по извещениям, спецификациям, таблицам и проектам договоров. Я собрал кабинет, который получает тендеры из Tenderplan, сопоставляет их с номенклатурой компании, объясняет приоритет и готовит AI-карточку с цитатами из источников и вопросами менеджеру.

Business problemБизнес-проблема

A tender title and a buyer’s name do not tell the manager whether the equipment, delivery and payment terms fit.По названию закупки и заказчику нельзя понять, подходят ли оборудование, сроки поставки и условия оплаты.

Decision pointТочка решения

Bring catalogue matches, commercial conditions and unknowns into one reviewable card before deciding to bid.Свести совпадения с каталогом, коммерческие условия и неизвестные данные в одну карточку перед решением об участии.

System builtПостроенная система

API collection, document extraction and OCR, rule-based scoring, AI briefs with sources, and a manager’s workspace.Сбор через API, разбор документов и OCR, скоринг по правилам, AI-выводы с источниками и рабочий кабинет менеджера.

ResultРезультат

A working review workspace. Document search added 64 tenders in a controlled test; attachment facts enriched 14 of 20 pilot briefs.Работающий кабинет отбора. Поиск по документам добавил 64 закупки в контрольном тесте, а факты из вложений обогатили 14 из 20 пилотных саммари.

What I builtЧто я сделал
01

Connected Tenderplan and repeatable updates with deduplication. The workspace supports filters, sorting, favourites, read status, archiving and bid tracking.Подключил Tenderplan и повторное обновление без дублей. В кабинете доступны фильтры, сортировка, избранное, отметки прочтения, архив и учёт подачи заявки.

02

Added document downloads, archive extraction, PDF, Word and Excel parsing, and OCR for scans. Partial reads and download failures remain visible.Добавил загрузку документов, распаковку архивов, чтение PDF, Word и Excel, OCR сканов. Неполное чтение и ошибки загрузки видны в системе.

03

Built a 0–100 rule-based score using equipment profile, brands, catalogue codes, buyers, budget and deadlines. Each factor has an explanation; weights can be adjusted. A matching code does not prove compatibility.Собрал скоринг 0–100 по профилю оборудования, брендам, артикулам, заказчикам, бюджету и срокам. У каждого фактора есть объяснение, веса можно настроить. Совпадение артикула не доказывает совместимость.

04

Added an AI commercial brief: what is being purchased, why it may fit, conditions and obstacles, missing information, and the next step. Source quotes can be opened. AI conclusions are separate from the rule-based score.Добавил AI-коммерческую карточку: что закупают, почему подходит, условия и препятствия, что уточнить и следующий шаг. Цитаты из источников раскрываются. AI-вывод отделён от балла по правилам.

05

Queued analysis for the leading candidates and cached conclusions. Changes to source data trigger a new analysis. Added similar-tender history and daily summaries for review.Настроил очередь анализа приоритетных кандидатов и кеш выводов. Изменение исходных данных требует нового анализа. Добавил поиск аналогичных закупок и ежедневные сводки для просмотра.

06

Tested document search with 29 saved search keys over a fixed publication period. The union grew from 606 to 670 unique tenders; repeated queries after ten minutes returned the same IDs.Проверил поиск по документам на 29 сохранённых поисковых ключах за фиксированный период публикаций. Объединённая выдача выросла с 606 до 670 уникальных закупок. Повтор через десять минут вернул те же ID.

+64
Additional tenders in the document-search testДополнительные закупки в тесте поиска по документам
14/20
Pilot briefs enriched with attachment factsПилотных саммари с фактами из вложений
0–100
Explainable rule-based scoreОбъяснимый балл по правилам
Tender workspace with filters, a ranked list and a selected tender. All records are fictional.
Real product UI, Russian interface. Every buyer, tender, catalogue code, amount and conclusion shown here is synthetic. The six demo records are not the project’s measured dataset.Реальный интерфейс продукта. Заказчики, закупки, артикулы, суммы и выводы синтетические. Шесть демо-записей не относятся к измеренной выборке проекта.Full size ↗Оригинал ↗
Synthetic tender commercial brief with suitability, conditions, source disclosures and questions for a manager.
The card brings the score and commercial brief together. Source quotes support review; compatibility, availability and margin still need a specialist’s decision. All shown content is synthetic.Карточка объединяет балл и коммерческий разбор. Цитаты помогают проверять выводы, а совместимость, наличие и маржу оценивает специалист. Всё содержимое демонстрационное.Full size ↗Оригинал ↗
“Maxim made a very positive impression: we discussed the request and tasks at our first online meeting, he answered every question, responded promptly throughout the work, and delivered on time.”

“I really enjoyed working with you!”

Maria FedyaninaCOO, Energomasharmatura
“Максим производит очень приятное впечатление: на первой онлайн-встрече обсудили запрос/задачи, Максим ответил на все вопросы, по работе отвечает оперативно, работа была выполнена в срок.”

“Очень понравилось с вами работать!”

Мария ФедянинаCOO, «Энергомашарматура»
Tender analysisDocument parsingOCRExplainable scoringHuman-in-the-loop
Case 01 · B2B StrategyКейс 01 · B2B-стратегияHealthTech · ALMAHealthTech · ALMA

From market uncertainty to an evidence-backed B2B V1От рыночной неопределённости к обоснованному B2B V1

Product consultant · AI research architectПродуктовый консультант · AI research architect

A HealthTech startup needed to choose a beachhead segment and define its first B2B product. The team had research on trends, regulation, competitors, and clinic economics. I turned those inputs into one decision: where to play and what to build first.HealthTech-стартапу требовалось выбрать сегмент-плацдарм и определить первый B2B-продукт. У команды были данные о трендах, регуляторике, конкурентах и экономике клиник. Я свёл их в одно решение: где играть и что строить первым.

Business problemБизнес-проблема

No confirmed beachhead or defensible V1 scope.Не было подтверждённого сегмента-плацдарма и обоснованного scope V1.

Decision pointТочка решения

A narrow operational entry point offered a shorter path to proof than a broad AI platform.Узкая операционная задача давала более короткий путь к проверке гипотезы, чем широкая AI-платформа.

System builtПостроенная система

Evidence pipeline, STEP analysis, adversarial verification, scenarios, and V1 economics.Evidence pipeline, STEP-анализ, adversarial verification, сценарии и экономика V1.

ResultРезультат

A beachhead recommendation, V1 scope, risk register, and three development scenarios.Рекомендация по beachhead, scope V1, risk register и три сценария развития.

What I deliveredЧто я сделал
01

Ran parallel research and adversarial verification instead of relying on a single synthesized answer.Запустил параллельный research и adversarial verification вместо опоры на один синтезированный ответ.

02

Built an evidence base with internal source-quality scoring across market, regulation, competition, and clinic operations.Собрал evidence base с внутренней оценкой качества источников по рынку, регуляторике, конкуренции и операционке клиник.

03

Translated the findings into a beachhead choice, V1 wedge, risk register, and trigger-based scenarios.Перевёл выводы в выбор beachhead, V1 wedge, risk register и сценарии с измеримыми триггерами.

04

Delivered the strategy as an interactive 12-slide presentation built for decision-making, not as a static research dump.Упаковал стратегию в интерактивную презентацию из 12 слайдов для принятия решения, а не в статичный research dump.

47
Evidence itemsЕдиниц доказательной базы
25+
Sources reviewedИсточников изучено
3
Documented scenariosСценария развития
Interactive ALMA STEP research presentation showing the evidence-led strategy process.
The evidence base was packaged into an interactive strategy presentation for the founder team.Доказательная база упакована в интерактивную стратегическую презентацию для команды фаундеров.Full size ↗Оригинал ↗
“Maxim combined the rare things we needed: product thinking, technical execution, business judgment and honest feedback. He helped us understand what to do in our exact situation and move faster toward PMF.”
Anna KerimovaCEO, AI startup
“У Максима сошлось редкое сочетание: продукт, техническая реализация, понимание бизнеса и честная обратная связь. Мы покупали понимание, что конкретно делать в нашей ситуации, и с ним прошли этот этап быстрее.”
Anna KerimovaCEO, AI-стартап
STEPMarket researchB2B strategyScenario planningPresentation toolИнструмент презентаций ↗
Case 02 · Research to MVPКейс 02 · Research → MVPWomen's Health · ALMAЖенское здоровье · ALMA

From JTBD research to a testable women's health MVPОт JTBD-исследования к тестируемому MVP в женском здоровье

Full cycle: research · product design · build · QAПолный цикл: research · product design · разработка · QA

The client was exploring a B2C opportunity in perimenopause and menopause. We built a product to test user pain, the offer, and the journey, while helping a person prepare for a conversation with a doctor.Клиент исследовал B2C-направление перименопаузы и менопаузы. Мы собирали продукт для проверки боли, оффера и пользовательского пути, который помогает подготовиться к разговору с врачом.

Business problemБизнес-проблема

Users had abundant information but little clarity on symptoms and the next useful step.У пользователей было много информации, но мало ясности по симптомам и следующему полезному шагу.

Decision pointТочка решения

A structured, non-diagnostic self-assessment could make the value tangible quickly.Структурированная не-диагностическая самооценка могла быстро сделать ценность ощутимой.

System builtПостроенная система

Comment corpus, JTBD, benchmark, 16-question assessment, backend, analytics, PDF, and Telegram flow.Корпус комментариев, JTBD, benchmark, квиз из 16 вопросов, backend, аналитика, PDF и Telegram flow.

ResultРезультат

Research and landing in a two-day sprint; the assessment was built and deployed in one production day.Research и лендинг за двухдневный sprint; квиз собран и задеплоен за один production day.

What I builtЧто я сделал
01

Structured and analyzed 22,700 comment records supplied by the client team to extract pains, triggers, and JTBD language.Структурировал и проанализировал 22 700 комментариев, собранных командой клиента, чтобы извлечь боли, триггеры и язык JTBD.

02

Benchmarked five international products and translated the patterns into a focused product concept.Провёл benchmark пяти международных продуктов и перевёл найденные паттерны в сфокусированную продуктовую концепцию.

03

Used MRS domains and Greene/Kupperman as references for a custom non-diagnostic symptom assessment.Использовал домены MRS и Greene/Kupperman как референсы для custom-опросника по симптомам без диагностических обещаний.

04

Built and QA-tested the frontend, backend, event analytics, result flow, PDF output, and Telegram integration.Собрал и провёл QA фронтенда, backend, событийной аналитики, результатов, PDF-вывода и Telegram-интеграции.

22.7K
Comment records analyzedКомментариев проанализировано
16
Assessment questionsВопросов в квизе
1 day
Quiz build and deployСборка и деплой квиза
Welcome screen of the ALMA menopause symptom assessment quiz.
A mobile-first assessment turns a sensitive topic into a clear three-minute flow.Mobile-first квиз превращает чувствительную тему в понятный трёхминутный сценарий.Full size ↗Оригинал ↗
Demo ALMA quiz result with an overall score and three symptom domains.
Demo response: an overall score, symptom domains, and practical next steps. Not medical advice.Демо-ответ: общая оценка, домены симптомов и следующие шаги. Не является медицинской рекомендацией.Full size ↗Оригинал ↗
Demo ALMA quiz analytics dashboard with funnel, drop-off, and CTA metrics.
Demo data: event analytics for completion, drop-off, and next-action conversion.Demo data: событийная аналитика completion, drop-off и конверсии следующего действия.Full size ↗Оригинал ↗
JTBDRapid prototypingProduct analyticsHealthTech
Case 03 · Portfolio StrategyКейс 03 · Портфельная стратегияVenture Studio · AmbercoreВенчурная студия · Ambercore

An AI venture studio operating model for managing hundreds of productsОперационная модель AI-венчурной студии для управления сотнями продуктов

Product strategy · portfolio economics · AI operating system architectureProduct strategy · портфельная экономика · архитектура AI-операционной системы

Ambercore was exploring a venture studio where a small core team could launch and support a large portfolio of solo-founder products. I turned the idea into an operating model with explicit decisions, economics, risks, and validation gates.Ambercore исследовал модель venture studio, где небольшая core-команда запускает и поддерживает большой портфель продуктов соло-фаундеров. Я превратил идею в операционную модель с конкретными решениями, экономикой, рисками и validation gates.

Business problemБизнес-проблема

Portfolio growth could not depend on headcount increasing with every new company.Рост портфеля не должен был требовать линейного роста команды с каждой новой компанией.

Decision pointТочка решения

Standardized decision workflows and shared learning could compound across the portfolio.Стандартизированные decision workflows и общие знания могли накапливать эффект на уровне портфеля.

System builtПостроенная система

Six operating layers, product stations, scoring, founder velocity, economics, and validation plans.Шесть операционных слоёв, product stations, scoring, founder velocity, экономика и планы валидации.

ResultРезультат

A bilingual strategy artifact and an independent economics model for a go/no-go decision.Двуязычный стратегический артефакт и отдельная экономическая модель для решения go/no-go.

What I designedЧто я спроектировал
01

Mapped the journey from deal flow to launch, traction, scaling, and portfolio exit into explicit decision stations.Разложил путь от deal flow до запуска, traction, масштабирования и выхода из портфеля на явные decision stations.

02

Designed a six-layer portfolio operating system covering intake, validation, production, distribution, capital allocation, and learning.Спроектировал шесть слоёв портфельной операционной системы: intake, validation, production, distribution, capital allocation и learning.

03

Pressure-tested scoring, founder velocity, scaling scenarios, and the assumptions most likely to break the model.Провёл pressure test scoring, founder velocity, сценариев масштабирования и предположений, способных сломать модель.

04

Packaged the work into a bilingual 12-slide interactive strategy and a separate portfolio economics model.Упаковал работу в двуязычную интерактивную стратегию из 12 слайдов и отдельную модель портфельной экономики.

12
Bilingual strategy slidesДвуязычных слайдов стратегии
6
Operating-system layersСлоёв операционной системы
3
Critical assumptions with validation plansКритичных предположения с планами проверки
Ambercore portfolio vision presentation cover in English.
The strategy reframed an ambitious fund thesis as a concrete portfolio operating model.Стратегия переводит амбициозную идею фонда в конкретную операционную модель портфеля.Full size ↗Оригинал ↗
Six-layer Ambercore portfolio operating system in English.
Six shared layers connect product intake, validation, production, distribution, capital, and learning.Шесть общих слоёв связывают intake, validation, production, distribution, капитал и learning.Full size ↗Оригинал ↗
Ambercore critical assumptions and validation plan in English.
The model names the assumptions that can break it and assigns 30- to 90-day validation gates.Модель фиксирует предположения, способные её сломать, и задаёт validation gates на 30–90 дней.Full size ↗Оригинал ↗
Portfolio strategyVenture studioAI operating modelScenario planningFounder velocityPublic deck · RU/ENПубличная презентация · RU/EN ↗
Case 04 · Technical R&DКейс 04 · Технический R&DCybersecurity · FuzzingКибербезопасность · Fuzzing

From manual fuzzing to a reproducible pipeline for two OpenSSH targetsОт ручного fuzzing к воспроизводимому pipeline для двух OpenSSH targets

Product and automation lead · technical research · deliveryProduct и automation lead · технический research · delivery

The team needed to choose which parts of an expert-led fuzzing workflow could run internally. I packaged the work as repeatable campaigns with observability and stored evidence for review.Команде нужно было понять, какие части экспертного fuzzing-процесса можно автоматизировать и выполнять самостоятельно. Я собрал воспроизводимые кампании с observability и evidence для технического ревью.

Business problemБизнес-проблема

No repeatable path from campaign execution to a review-ready evidence package.Не было понятного пути от запуска кампании до evidence package для ревью.

Decision pointТочка решения

AFL++, coverage, corpus, and artifacts stay the source of truth; AI proposes testable experiments.AFL++, coverage, corpus и артефакты остаются source of truth; AI предлагает тестируемые эксперименты.

System builtПостроенная система

Docker/AFL++ runner, target registry, orchestration, dashboard, coverage, and report packages.Docker/AFL++ runner, target registry, orchestration, dashboard, coverage и report packages.

ResultРезультат

A working PoC for two configured OpenSSH targets, packaged for technical review.Рабочий PoC для двух настроенных OpenSSH targets, подготовленный к техническому ревью.

What I builtЧто я сделал
01

Decomposed the methodology into target, build/run, corpus, coverage, evidence, and reporting contracts.Разложил методику на контракты target, build/run, corpus, coverage, evidence и reporting.

02

Built the Docker/AFL++ runner, multi-target controller, safe resume/stop flow, and operational dashboard.Собрал Docker/AFL++ runner, multi-target controller, безопасный resume/stop flow и операционный dashboard.

03

Automated collection of coverage, corpus, logs, screenshots, and reproducible report packages.Автоматизировал сбор coverage, corpus, логов, скриншотов и воспроизводимых report packages.

04

Tested baseline and AI-assisted hypotheses through controlled A/B runs while keeping measured artifacts as the final authority.Проверил baseline и AI-assisted гипотезы через controlled A/B runs, сохранив измеряемые артефакты финальным источником фактов.

2
Configured targetsНастроенных target
7,200s
No-growth evidence per targetNo-growth evidence на target
588M
Executions in throughput runВыполнений в throughput run
Fuzzing pipeline dashboard with two completed OpenSSH targets and measured results.
One dashboard controls long runs, targets, experiments, and collected evidence. Local runtime paths are hidden.Одна панель управляет длительными прогонами, targets, экспериментами и evidence. Локальные runtime paths скрыты.Full size ↗Оригинал ↗
AFL++ run evidence showing corpus growth, coverage, stability, and reproducibility.
A run closes with verifiable evidence: runtime, executions, corpus, coverage, stability, and failures.Каждый прогон заканчивается проверяемым evidence: runtime, executions, corpus, coverage, stability и failures.Full size ↗Оригинал ↗
AFL++DockerCoverageExperiment designEvidence pipeline
Case 05 · Personal AI InfrastructureКейс 05 · Персональная AI-инфраструктураPersonal AI · Private infrastructureПерсональный AI · Приватная инфраструктура

A private AI assistant across Telegram, web, and a home computerЛичный AI-ассистент в Telegram, вебе и на домашнем компьютере

AI systems architecture · infrastructure · deliveryАрхитектура AI-системы · инфраструктура · delivery

The client wanted a personal AI assistant that was useful without becoming another technical project: Telegram and voice for daily work, a simple web chat when a larger screen was needed, and controlled access to one Windows folder. The job was to deliver a working system, not a demo.Клиенту был нужен личный AI-ассистент, который не превращается в ещё один технический проект: Telegram и голос для ежедневной работы, простой веб-чат для задач на большом экране и контролируемый доступ к одной папке Windows. Нужно было сдать работающую систему, а не демо.

Business problemБизнес-проблема

Chat, voice, web tools, and local files existed as separate environments without a safe working bridge.Чат, голос, веб-инструменты и локальные файлы существовали отдельно, без безопасного рабочего контура.

Decision pointТочка решения

An always-on client-owned VPS could run the agent while private interfaces and file access stayed inside a protected network.Постоянно работающий VPS клиента мог запускать агента, а интерфейсы и доступ к файлам оставались внутри защищённой сети.

System builtПостроенная система

Hermes, Telegram, web chat, three model modes, two local speech services, a browser toolset, 79 skills, Tailscale, SSHFS, and autostart.Hermes, Telegram, веб-чат, три режима моделей, два локальных voice-сервиса, browser toolset, 79 навыков, Tailscale, SSHFS и автозапуск.

ResultРезультат

A working private assistant for text, voice, web tasks, and one approved computer folder, verified end to end.Рабочий приватный ассистент для текста, голоса, веб-задач и одной согласованной папки компьютера, проверенный end-to-end.

What I builtЧто я сделал
01

Prepared and hardened an Ubuntu VPS under a dedicated user with firewall rules, key-only SSH, service isolation, and controlled autostart.Подготовил и защитил Ubuntu VPS: отдельный пользователь, firewall, SSH только по ключам, изоляция сервисов и управляемый автозапуск.

02

Configured Hermes, a private Telegram allowlist, Russian-first UX, a simple web chat, an administrative dashboard, browser access, and 79 available skills.Настроил Hermes, закрытый Telegram allowlist, русский UX, простой веб-чат, административный dashboard, browser access и 79 доступных навыков.

03

Deployed shared local speech recognition and synthesis, then verified both the normal Telegram voice flow and its fallback.Развернул локальное распознавание и синтез речи, затем проверил основной Telegram voice flow и fallback.

04

Connected one approved Windows folder through Tailscale and SSHFS and verified automatic service recovery after a real reboot.Подключил одну согласованную папку Windows через Tailscale и SSHFS и проверил автоматическое восстановление сервисов после реальной перезагрузки.

3
Working interfacesРабочих интерфейса
2
Local voice servicesЛокальных voice-сервиса
1
Approved computer folderРазрешённая папка компьютера
Sanitized Hermes Open WebUI with explanations of web chat, Telegram, local voice, and controlled file access.
The same assistant is available in a familiar web chat and Telegram, with local voice and one approved Windows folder.Один ассистент доступен в привычном веб-чате и Telegram, работает с локальным голосом и одной разрешённой папкой Windows.Full size ↗Оригинал ↗
Architecture diagram showing private interfaces, a client-owned VPS, outbound internet access, and one Windows folder.
The agent can browse public sources, while WebUI, Dashboard, and the file bridge remain inside a private Tailscale network.Агент может работать с публичными источниками, а WebUI, Dashboard и файловый мост остаются внутри закрытой сети Tailscale.Full size ↗Оригинал ↗
“Everything was handled professionally. Maxim configured an AI agent that transcribes voice messages through a Telegram bot and works with files in an approved folder on the computer. Everything works. I recommend him.”

“Excellent work. A master of his craft 💪”

IlyaEngineer
“Всё прошло профессионально. Максим настроил AI-агента, который транскрибирует голосовые сообщения через Telegram-бота и работает с файлами в выделенной папке на компьютере. Всё работает. Рекомендую.”

“Отличная работа проделана. Мастер 💪”

ИльяИнженер
Personal AIHermesTelegramTailscaleLocal voiceClient-owned infrastructure
Case 06 · AI Operating SystemКейс 06 · AI-операционная системаLocal-first · Multi-domainLocal-first · Несколько доменов

A personal AI operating system for governed, repeatable workЛичная AI-операционная система для управляемой и воспроизводимой работы

System owner · product/growth builder · automation architectSystem owner · product/growth builder · automation architect

Research, content, CRM, job hunting, health, calendar, and daily operations were spread across separate tools. I built a local-first orchestration layer that turns recurring work into stateful pipelines while keeping consequential external actions behind human approval.Research, контент, CRM, job hunt, здоровье, календарь и ежедневная операционка были разбросаны по разным инструментам. Я собрал local-first orchestration layer, который превращает повторяющуюся работу в stateful pipelines, а значимые внешние действия оставляет на подтверждении.

Business problemБизнес-проблема

Context was rebuilt repeatedly; automations lacked state, control, and observability.Контекст собирался заново, автоматизациям не хватало состояния, контроля и наблюдаемости.

Decision pointТочка решения

Encode repeatable methods as skills and connect them through scheduled, observable workflows.Упаковать повторяемые методы в skills и связать их scheduled, observable workflows.

System builtПостроенная система

Skills, LLMs, Telegram, Google Workspace, browsers, local databases, queues, retries, and approvals.Skills, LLM, Telegram, Google Workspace, браузеры, локальные базы, очереди, retries и approvals.

ResultРезультат

Part of the daily workload now runs as reproducible pipelines with logs and human control.Часть ежедневной работы теперь выполняется как воспроизводимые pipelines с логами и human control.

What I builtЧто я сделал
01

Packaged repeatable product, research, content, and operational methods into managed specialized skills.Упаковал повторяемые продуктовые, research, контентные и операционные методы в управляемые специализированные skills.

02

Built working pipelines for news, job hunting, CRM, health, calendar, documents, and personal operations.Собрал работающие pipelines для новостей, job hunt, CRM, здоровья, календаря, документов и личной операционки.

03

Connected local and cloud models, tools, databases, and communication channels through a single orchestration layer.Связал локальные и облачные модели, инструменты, базы и каналы коммуникации единым orchestration layer.

04

Added deduplication, retries, logs, monitoring, and approval gates for actions performed on my behalf.Добавил дедупликацию, retries, логи, monitoring и approval gates для действий от моего имени.

90
Managed specialized skillsУправляемых specialized skills
48
GitHub repositoriesGitHub-репозиториев
28
Loaded background servicesЗапущенных background services
AI Juice Daily web archive with the current issue and rolling news history.
AI Juice collects, deduplicates, ranks, edits, and publishes AI news to the web and Telegram.AI Juice собирает, дедуплицирует, ранжирует, редактирует и публикует AI-новости в веб и Telegram.Full size ↗Оригинал ↗
Demo Jarvis CRM with deals, stages, payments, and next actions.
Demo data: CRM connects contacts, deals, payments, and next actions in one operating loop.Demo data: CRM связывает контакты, сделки, оплаты и следующие действия в одном операционном контуре.Full size ↗Оригинал ↗
Demo Jarvis health dashboard with synthetic recovery, sleep, and activity data.
Synthetic data: the health workflow combines trends, personal baselines, and practical recommendations.Synthetic data: health-контур объединяет тренды, персональные baseline и практические рекомендации.Full size ↗Оригинал ↗
Personal agent workflow that processes a demo package of foreign medical documents.
A personal agent can process a document package end to end while sensitive actions remain on approval.Личный агент может обработать пакет документов end-to-end, а чувствительные действия остаются на подтверждении.Full size ↗Оригинал ↗
Local-firstAgent orchestrationCRMObservabilityHuman-in-the-loopAI Juice webAI Juice, веб-версия ↗

Have a similar challenge?Есть похожая задача?

I help founders, teams, and individuals turn a hard product or operations problem into a working product or AI system.Помогаю фаундерам, командам и отдельным специалистам превратить сложную продуктовую или операционную задачу в работающий продукт или AI-систему.