Что именно я делаю

Не продаю "красоту". Делаю систему, которая решает задачу и не разваливается на поддержке. Это подходит, если сайт или сервис является частью бизнес-процесса, а не просто витриной.

Сайты с логикой

Корпоративные сайты, порталы, каталоги и системы, где критичны процессы, данные и правила обработки, а не только внешний вид.

Личные кабинеты

Роли, права, статусы, история действий, заявки, уведомления, интерфейсы операторов и рабочие сценарии без хаоса.

Интеграции

CRM, ERP, 1С, внешние API, синхронизация, вебхуки, очереди и обмены, где важны устойчивость и прозрачность контрактов.

API и backend

Контракты, модель данных, структура проекта, предсказуемая логика и устойчивость к изменениям при развитии системы.

Производительность

Профилирование, кеширование, устранение узких мест, оптимизация SQL и логики, когда система уже упирается в рост нагрузки.

Аудит

Точки риска, план улучшений, оценка этапов и стоимости внедрения. Если что-то делать нецелесообразно, это проговаривается сразу.

Подходит, если нужны автоматизация, единые справочники, данные, отчёты, масштабируемость и системный порядок. Не подходит, если нужен просто лендинг за неделю.

Подход к работе

Цель — сделать предсказуемо. Не по принципу "потом переделаем", а сразу на базе нормальной модели данных, понятных контуров и прозрачных решений.

Работа обычно строится так: разбор задачи и контекста, выделение процессов и ограничений, проектирование модели данных, фиксация архитектурной схемы, затем реализация по этапам с проверкой результатов и передачей понятных материалов.

Я не опираюсь на импровизацию в переписке. На выходе должны быть артефакты, по которым систему можно развивать дальше без зависимости от памяти разработчика.

1. Разбор задачи

контекст, процессы, ограничения, интеграции

2. Модель данных

сущности, связи, ключевые правила

3. Архитектурная схема

контуры, контракты, ответственность модулей

4. Реализация и передача

по этапам, с проверкой и документацией

Примеры кейсов

Ниже не декоративное портфолио, а примеры систем, где важны контуры данных, процессы, устойчивость и инженерная дисциплина.

AI-агент первичной подготовки ответа клиенту и черновика коммерческого предложения

AI-агент LLM pipeline КП
Проблема
Входящие запросы от клиентов обрабатываются вручную: нужно прочитать письмо, понять задачу, задать уточняющие вопросы, сформировать ответ и подготовить коммерческое предложение. Это занимает много времени и зависит от конкретного сотрудника.
Результат
AI-агент анализирует входящее сообщение, определяет тип задачи, формирует структурированный ответ клиенту и черновик коммерческого предложения, который менеджер может отредактировать и отправить. Сокращается время ответа и стандартизируется процесс пресейла.
Контуры
  • Анализ входящего письма или заявки и извлечение задачи клиента
  • Классификация запроса и выбор сценария обработки
  • Формирование списка уточняющих вопросов
  • Генерация ответа клиенту
  • Генерация структуры и черновика коммерческого предложения
  • Возможность дообучения на истории переписки и предыдущих КП
  • Интеграция с email, CRM и внутренними базами знаний
Стек
FastAPI, Vue, LLM API, агентный pipeline, Docker. Демонстрация MVP: https://aikp.arvesta.ru/

SEO-платформа для системного анализа сайтов и поисковой выдачи

API-firstjob/snapshotcrawlSERPчастотности
Проблема
Разрозненные инструменты, таблицы и ручные процессы приводят к невоспроизводимому анализу и потере истории.
Результат
Единая система с историчными данными, повторяемым анализом и базой для автоматизации и LLM-контуров.
Контуры
  • Семантика: импорт, нормализация, дедупликация, интенты и кластеры, история изменений
  • SERP snapshot: фиксация топ-N, конкуренты, позиция проекта, кэш параметров
  • Wordstat и частотности: динамика, регионы, rate-limit, retry, backoff, snapshot-хранение
  • Crawl: job/snapshot, статусы, редиректы, canonical, мета, разделение raw HTML, контента и метрик
  • Распределение запросов по страницам, контроль каннибализации, мониторинг и алерты
Стек
FastAPI, асинхронные воркеры, PostgreSQL, Docker.

LLM-система с персонализированной долговременной памятью и оценкой ценности контекста

LLM via APIvector memoryvalue scoreretrieval
Проблема
Окно контекста ограничено: важные факты выпадают, появляются повторы и падает качество на длинной дистанции.
Результат
Управляемая память: релевантный контекст извлекается и сжимается, знания ранжируются по ценности, дубли отсеиваются.
Архитектура
  • Основная LLM вызывается по внешнему API и не хранит состояние
  • Память: векторное хранилище и метаданные, включая value_score, частоту и подтверждения
  • Локальная mini-модель для summarization, кластеризации и сжатия контекста
  • Controller: retrieval по similarity и value_score, сбор compact prompt, обновление памяти
Фокус
Память как архитектура, а не магия промпта.

ERP для логистической компании: заказы, маршруты, тарифы, адреса, документы

геосервисытарифная логикаSPA + APIдокументы
Проблема
Разрозненные системы и ручные операции приводят к ошибкам адресов, расстояний, расчётов и финансовым потерям.
Результат
Единая ERP с централизованными данными, прозрачными расчётами и сокращением ручных операций.
Подсистемы
  • Заказы: статусы, аудит, связка с маршрутами и адресами
  • Геосервис: нормализация адресов, геокодирование, маршруты в расчётах
  • Расчёт стоимости: зоны, условия, услуги, индивидуальные тарифы
  • Контрагенты: клиенты, перевозчики, условия, быстрый поиск
  • Документы: генерация договоров, заявок, PDF и DOCX
Надёжность
Идемпотентность, строгая валидация, устойчивость к сбоям внешних сервисов и развитие без остановки эксплуатации.

ERP для сервисной организации ЖКХ: заявки, мобильные приложения, платежи, ИИ

SLAмобильный контуринтеграциидиспетчеризация
Проблема
Разрозненные системы и ручная диспетчеризация ведут к потере заявок, нарушениям SLA и отсутствию прозрачности.
Результат
Единая платформа для диспетчеров, жителей и мастеров с контролем процессов и сокращением времени обработки.
Подсистемы
  • Учёт заявок: приоритеты, SLA, статусы, история и аудит
  • Приложение жителей: заявки, статусы, уведомления, связка с лицевыми счетами
  • Приложение АДС: назначение, принятие и завершение работ, устойчивость при плохой сети
  • Публичный сайт, платежи, асинхронная обработка и синхронизация с провайдерами
  • ИИ-модуль: классификация, приоритет, дубликаты, предварительное назначение
Фокус
SLA, мобильный рабочий контур, очереди для критичных действий и устойчивость к частичным отказам.

Фиксированные артефакты

На выходе вы получаете не ощущение, что что-то обсудили, а материалы, по которым можно работать дальше.

Карта процессов

как есть / как должно быть

Фиксация рабочих сценариев, узких мест и целевого контура без размытых формулировок.

Модель данных

сущности и правила

Связи, ограничения и ключевые правила обработки данных, от которых зависит корректная работа системы.

Архитектурная схема

контуры и интеграции

Модули, точки ответственности, интеграции, риски и технические ограничения.

План внедрения

этапы и оценка

Очередность работ, оценка этапов и техническая документация по реализованным узлам.

Да

Интеграции и автоматизация вместо ручного труда

Да

Данные, отчёты, единые справочники и порядок

Да

Масштабируемость и предсказуемое развитие системы

Нет

Если нужен просто лендинг за неделю, это не тот формат

Формат взаимодействия

Работа строится по смысловым этапам. В задаче без смысла или с нереалистичными сроками это проговаривается сразу, а не прячется за продажными обещаниями.

Разбор

Шаг 1контекст и ограничения
  • Что есть сейчас
  • Что должно получиться
  • Какие интеграции и зависимости
  • Что будет считаться успехом

Проектирование

Шаг 2данные и архитектура
  • Модель сущностей и связей
  • Контуры системы и API
  • Точки риска
  • План внедрения по этапам

Передача

Шаг 4документация и развитие
  • Техническая документация
  • Пояснение логики ключевых узлов
  • Основа для дальнейшего развития
  • Без зависимости от памяти исполнителя

Контакт

Опишите задачу в 5-10 строк: что есть сейчас, что должно быть, какие ограничения и интеграции. Чем меньше воды во входе, тем быстрее можно дать предметную оценку.

Связаться

  • Email: hello@arvesta.ru
  • Телефон: +7 910 389-91-88

Чтобы быстро оценить задачу, обычно достаточно прислать ссылку на текущий сайт или прототип, коротко описать проблему, перечислить интеграции, указать объёмы данных и сказать, что будет считаться успешным результатом.

  • Что прислать: ссылка на текущий сайт, если он есть
  • Где болит: что именно не устраивает сейчас
  • Интеграции: CRM, ERP, 1С, платежи, доставка, внешние API
  • Объёмы: каталог, пользователи, нагрузка, ключевые ограничения
  • Важно: если задача нецелесообразна или сроки нереальны, это будет сказано прямо

Альтернатива — написать сразу в Telegram и приложить ссылку на действующий проект или прототип.