Перейти до змісту
Шукаю роботу
Кейс

Приватний · NDAвер. 2025 – серп. 2026

Комерційна AI SaaS-платформа

SaaS-платформа з AI для аналізу контенту, створена від першого коміту до продакшну.

Під NDA: без посилань, скриншотів та назв. Усе тут сформульовано так, як у моєму CV.

Кейс · Завдання

Американській компанії була потрібна комерційна SaaS-платформа з AI для аналізу контенту — від першого коміту до продакшну. Я спроєктував архітектуру й побудував платформу від початку до кінця: бекенд на Python / FastAPI, фронтенд на Next.js / TypeScript зі спільною дизайн-системою, інфраструктуру в Google Cloud, CI/CD, оплату через Stripe і мультиагентний LLM-пайплайн.

Що я зробив

  • Мультиагентний LLM-пайплайн: спеціалізовані агенти працюють паралельно, а їхні структуровані результати зводяться в один звіт з оцінкою.
  • Стійкість до недетермінованих відповідей AI: неповні результати ніколи не доходять до користувачів, а збійні запуски відновлюються без повторення дорогих кроків.
  • MCP-сервер із захищеною авторизацією OAuth 2.0, через який AI-асистенти працюють із продуктом від імені користувачів.
  • 1 300+ тестів бекенду, 80+ сторінок документації, зокрема 20+ ADR, 1 100+ комітів.
Моя роль
AI-Native Fullstack Engineer, контракт з американською компанією
Період
вер. 2025 – серп. 2026
Стек
  • Python
  • FastAPI
  • MongoDB
  • LLM APIs
  • MCP
  • TypeScript
  • Next.js
  • React
  • Tailwind CSS
  • Docker
  • Google Cloud

Як усе поєднано

Намальовано за моїм CV і тими самими словами — без зайвих деталей. Контур показує, хто створив кожну частину.

  • ВебзастосунокNext.js · TypeScript — Зробив я
  • БекендPython · FastAPI — Зробив я
  • Спеціалізовані агентипрацюють паралельно — Зробив я
  • Звіт з оцінкоюніколи не показується неповним — Зробив я
  • MCP-сервердля AI-асистентів — Зробив я
  • AI-асистенти — Люди та зовнішні сервіси

Те саме, крок за кроком

  1. Вебзастосунок (Next.js · TypeScript) передає Бекенд (Python · FastAPI), в обидва бокиконтент · прогрес
  2. Бекенд (Python · FastAPI) до Спеціалізовані агенти (працюють паралельно)паралельні запуски
  3. Спеціалізовані агенти (працюють паралельно) до Звіт з оцінкою (ніколи не показується неповним)структуровані результати
  4. AI-асистенти до MCP-сервер (для AI-асистентів)OAuth 2.0
  5. MCP-сервер (для AI-асистентів) до Бекенд (Python · FastAPI)від імені користувачів
Зробив яЛюди та зовнішні сервіси

Ключові рішення

Рішення, що сформували систему, і чому їх ухвалено саме так.

  1. D1

    Спеціалісти паралельно, звіт — один

    Спеціалізовані агенти працюють паралельно, а їхні структуровані результати зводяться в один звіт з оцінкою.

  2. D2

    Відповідь AI не вважається повною наперед

    Стійкість, спроєктована під недетерміновані відповіді AI: неповні результати ніколи не доходять до користувачів, а збійні запуски відновлюються без повторення дорогих кроків.

  3. D3

    Стабільно під паралельними задачами

    Використання ресурсів оптимізовано під важку обробку, тож сервіс стабільний під одночасними задачами.

  4. D4

    AI-асистенти як повноцінні клієнти

    MCP-сервер із захищеною авторизацією OAuth 2.0 дає AI-асистентам працювати з продуктом від імені користувачів.

  5. D5

    Одна перевірка для людей і агентів

    Розробку переведено на AI-native процес: власні субагенти для дослідження, тестів, рев’ю та перевірки документації, а за ними — одна автоматична перевірка якості (лінтинг, типізація, скани безпеки, архітектурні правила, покриття тестами), спільна для локальних запусків і CI.

Результат

тестів бекенду
1 300+
сторінок документації
80+
ADR
20+
комітів
1 100+
  • У продакшні: підписки з лімітами використання, оновлення прогресу в реальному часі та адмін-консоль.
  • Функції приватності: експорт даних, видалення акаунта та політика зберігання даних.
  • Автоматичний CI/CD із безпечними деплоями, безпечними міграціями бази даних та ізольованими середовищами.