ДАНИЛ МИНКИН

TutorDesk

Кабинет соло-репетитора: расписание с повторяющимися слотами и таймзонами, оплаты и абонементы с идемпотентными вебхуками, кабинет родителя с AI-отчётами из заметок, домашки и контрольные с AI-проверкой и серверным таймером, canvas-доска, RAG-поиск по своим учебникам. Три роли, Telegram Mini App + PWA.

• 69 автотестов
• 27+ таблиц БД
• 3 роли в продукте
• 2 дня до MVP

• Python
• FastAPI
• aiogram
• PostgreSQL
• pgvector
• ARQ
• Claude
• React
• TypeScript
• Tailwind

Двоечка

Платформа школьных контрольных: обычные и live-сессии с общим серверным таймером, гостевой вход, автосохранение на клиенте и сервере, античит (копипаст, вкладки, фокус, DevTools), полная запись сессии, AI-генерация и проверка ответов, Telegram-отчёты учителю.

• React
• TypeScript
• Vite
• Supabase
• Edge Functions
• RLS
• rrweb

Legal Client Flow

Приватная мини-CRM для юриста. Главное не CRUD, а слой приватности: маскирование имён и телефонов, раскрытие ПДн по клику, copy-guard, session-only хранение, явное согласие на уведомления, security headers. Паттерн масштабируется на бизнес-инструменты с разными периметрами доступа.

• React
• TypeScript
• Vite
• Netlify
• CSP

Двухконтурный AI для завода

Данные деталей не могут покидать внутреннюю сеть завода. Спроектировал два контура: внутренний локально анонимизирует данные и генерирует подменные значения, внешний гоняет тяжёлые AI-модели по обезличенным данным; результат возвращается внутрь, где подмена меняется обратно. Ни одна конфиденциальная запись не попала к внешнему AI-провайдеру.

• Анонимизация данных
• Двухконтурная архитектура
• LLM-оркестрация

Airlock: приватный ИИ-контур для документов

Открытая, тестируемая версия паттерна из закрытого заводского кейса выше — и платформа вокруг неё. Ядро (PII Airlock, открытый код): локальный шлюз находит чувствительные данные (детерминированные правила + локальная LLM), заменяет их обезличенными маркерами, отправляет в облако только после подтверждения человека и восстанавливает значения уже локально. Измерил вклад ИИ: одни правила находят 56% значений, объединение двух локальных моделей — 92%. Платформа (готова к пилоту): сотрудник загружает PDF, скан, DOCX или XLSX, задаёт вопрос своими словами и получает ответ со ссылками на фрагменты-источники — под общим паролем офиса, с предупреждением о случайно повторно загруженных документах. Внутри — OCR, векторный поиск и cross-encoder reranking поверх него, локальная модель, централизованные логи и метрики, автоматический бэкап; весь контур в изолированных Docker-сетях, наружу ничего не уходит. Проглоченный документ трактуется как данные, а не как команды: попытки спрятать инструкции внутри файла не исполняются ни моделью, ни интерфейсом.

• 214 тестов в CI (ядро + платформа)
• 92% полнота (ансамбль моделей)
• 13 сервисов в контуре
• 0 внешних вызовов по умолчанию

• Python
• FastAPI
• Docker Compose
• Qdrant
• Ollama
• Tesseract OCR
• RAG
• Reranking
• Локальные LLM
• Prometheus
• Grafana
• Loki
• GitHub Actions
• pytest

Автоматизация закупок

Для тендерного отдела: AI ищет поставщиков, заполняет стандартизированную таблицу и сортирует её; менеджер делает финальную проверку перед отправкой руководству.

• 2× быстрее цикл
• 3–7 → 1–3 дня на таблицу с отчётом

• Поиск поставщиков
• Автоматизация
• Human-in-the-loop

PMD Stone

Digital-контур продаж: сегментация аудитории, конкурентный анализ, аудит сайта, прототип лендинга, медиаплан, Яндекс Директ и Avito, офферы и петля аналитики. Показатели в презентации — цели, а не достигнутые результаты.

• Позиционирование
• Воронки
• Яндекс Директ
• Аналитика