Steps · Портфолио разработки

Цифровые продукты, которые можно открыть и проверить.

24 запущенных проекта: от ИИ-агентов и личных кабинетов до интернет-магазинов и обучающих платформ. Сначала — лучшие кейсы и результат, затем детали реализации.

Не код ради кодаКаждый проект — измеримый бизнес-результат
ИИ как рабочий инструментНейрокреатор — 3 года практики, не хайп
Сертифицированный бизнес-трекерФедеральные акселераторы и хакатоны
24запущенных проекта
3направления: ИИ-агенты, сайты, инструменты
6технологий в стеке — от n8n до Next.js
Владислав Фемистоклов
Трекер · 9+ программ

Об авторе портфолио

Владислав Фемистоклов

Маркетолог · 10 лет — Нейрокреатор · 3 года

10 лет маркетолог, 3 года — нейрокреатор: то есть человек, для которого ИИ не хобби, а рабочий инструмент. Каждый проект в этом портфолио собран с той же меркой, что и рекламные кампании: не «код ради кода», а результат, который можно измерить в рублях и часах.

Строил воронки, которые превращали 70 000 ₽ в 1 200 000 ₽ за 2 месяца, запускал экспертов на выручку от 1 млн ₽, вёл одновременно 123 клиента без найма лишнего штата. Тот же принцип — считать деньги и время, а не строчки кода — перенёс в разработку: ИИ-агент должен экономить конкретные часы, а не просто «уметь отвечать».

Сертифицированный бизнес-трекер (Академия трекеров «Месторождение») и эксперт Нидерландской академии маркетинга (NIMA) в России. Трекер и член жюри на федеральных акселераторах и хакатонах — «Цифровой прорыв», производственный акселератор «ПРОРЫВ», ТИСБИ, форум АСИ «Сильные идеи для нового времени» (проработано 15 000 идей). Команды, которые вёл как трекер, регулярно занимали первые места.

Нейрокреатор Сертифицированный бизнес-трекер Эксперт NIMA в России

Рост дохода клиента — один из проектов

Было
70 000 ₽
Стало, 2 мес.
1 200 000 ₽

×17 за 2 месяца — перестроенная система продаж, не разовый вброс трафика

Опыт в цифрах

10 летпрактики в маркетинге
3 годанейрокреатор — ИИ как рабочий инструмент
123клиента одновременно в системе, без найма лишнего штата
9+федеральных акселераторов и хакатонов в роли трекера и жюри
27сертификатов и благодарственных писем
15 000идей проработано как трекером-методистом форума АСИ

Сертификаты и благодарности

27 документов — сначала про ИИ-разработку, дальше про бизнес и трекинг
Summer AI-agent Schoolсоздание AI-агентов без программирования — «Терра ЭйАй», 2026
Chief Data Officer 2021модератор программы — Университет Иннополис, Минцифры России
«Нейросети: работа с системами ИИ»144 часа — удостоверение о повышении квалификации, 2025
«Архипелаг 20.35»интенсив по искусственному интеллекту и анализу данных, 2020
«Трекер предпринимателей»8-недельный курс, дипломная работа — Академия трекеров «Месторождение», 2020
Трекер-методист форума «Сильные идеи для нового времени»проработано 15 000 идей — АСИ, 2020
Благодарность трекеру форума «Сильные идеи для нового времени»сообщество бизнес-трекинга «2Т», 2022
Трекер финала «Цифровой прорыв 2021»АНО «Россия — страна возможностей»
Трекер и почётный член жюрихакатон «Креативные индустрии» — «Цифровой прорыв», РАЭК
Трекер хакатона «Медицина, здравоохранение, наука»«Цифровой прорыв», РАЭК
Бизнес-трекер производственного акселератора «ПРОРЫВ»Екатеринбург, январь–март 2021
Бизнес-трекер производственного акселератора «ПРОРЫВ»Екатеринбург, июнь–июль 2020
Трекер акселерационной программыУниверситет управления «ТИСБИ», 2022
Трекер акселерационной программыУниверситет управления «ТИСБИ», 2023
Трекер акселерационной программы «Море идей»Сочинский государственный университет
Трекер программы «КЛИК»развитие команд цифровой экономики — Университет 2035 · Иннополис, 2020
Модератор программ «Кадры для цифровой экономики»Университет Иннополис, 2022
Эксперт проекта «Бизнес молодых»Школа молодого предпринимателя — Краснодарский край, 2022
Индивидуальный наставник проекта «Бизнес молодых»Краснодарский край, 2023
Индивидуальный наставник проекта «Бизнес молодых»Краснодарский край, 2022
Бизнес-наставник федерального проекта«Популяризация предпринимательства» — Свердловская область, 2020
Наставник молодёжного предпринимательствапроект «ЭтоТема!» — «Мой бизнес», ДНР
«Наставник онлайн»10 модулей, 36 часов — Академия наставников, Сколково, 2021
Финалист «Лидеры международного сотрудничества»Всероссийский конкурс, Росмолодёжь, 2020
«Продуктовое мышление»8-недельный курс, дипломная работа — «Месторождение», 2020
«Управление интеллектуальной собственностью в цифровизации»Университет 20.35, 16 часов, 2020
Phenotype-диагностика личностиуправление человеческим фактором — RESULTAT, Таллин, 2015

Нужен аудит внедрения ИИ в бизнес?

15 минут — и понятно, что автоматизировать в первую очередь и сколько часов и рублей это освободит.

ИИ-агенты и автоматизация

ещё 3 проекта
React · Vite Живое

ИИ-агент для клиентской поддержки

Лендинг + рабочий Telegram-бот поверх реальной базы знаний (246 статей): отвечает по документации, честно молчит там, где ответа нет.

Смотреть демо →
TanStack · Supabase Живое

ИИ-помощник для встреч

Готовит к звонку, анализирует прошедшую встречу по 16 правилам и рассылает итоги участникам. Полный конвейер: Fireflies → OpenRouter → Supabase → Resend.

Смотреть демо →
n8n · Telegram Живое

Автоматизация задач и календаря

Пишешь боту — задача падает в YouGile, событие — в календарь, бот находит свободный слот. Ссылка ведёт на демо-версию дашборда план/факт с примерными цифрами — реальные цифры Steps не публикуются.

Смотреть демо →

Сайты и обучающие платформы

ещё 10 проектов
HTML · Google Forms · Apps Script Внутренний продукт

Винная академия для команды ресторана

Знания владельца о винной карте превращены из таблицы в систему обучения: интерактивные карточки для практики, тестирование и понятный контроль результата.

Для сотрудников ресторана
HTML Живое

AIRX

Презентационный сайт для питча ВТБ / SPIEF.

Смотреть демо →
Статический сайт Живое

Гайд по нейросетям

Лид-магнит Steps: 5 нейросетей на 20 часов в неделю — с него начинается воронка.

Смотреть демо →
HTML · ЮKassa Боевая оплата

Трипваер «5 нейросетей вместо агентства»

Продающая страница за 990 ₽ с оплатой через ЮKassa. Ключ боевой, не тестовый — здесь без ссылки, только описание и скриншот.

Только описание
Next.js · Postgres Живое

E-commerce витрина

Каталог, карточка товара и оформление заказа — витрина с рабочим чекаутом на Next.js и Postgres.

Смотреть демо →
Next.js · Prodamus Живое

Календари кота Феди

Предзаказ трёх календарей с корзиной, оформлением доставки по России и переходом на защищённую оплату через Prodamus.

Смотреть демо →
React · Vite Живое

Цифровой двойник

Лендинг услуги: ИИ-аватар эксперта для ведения соцсетей и цифрового наследия, с расчётом окупаемости.

Смотреть демо →
React · Vite Живое

Email-аутрич для B2B

Лендинг услуги: персональные цепочки писем выводят на ЛПР. Лиды от 1 100 ₽, гарантия закреплена в договоре.

Смотреть демо →
React · Vite Живое

Маркетинговая стратегия

Лендинг услуги: разработка стратегии под ключ и её реализация — от расчёта до внедрения.

Смотреть демо →
Статический сайт Живое

Сайт благотворительной организации «Андреевский»

Многостраничный сайт НКО: о нас, проекты, новости, отчёты, пожертвование — свёрстан по референсу ewahelps.com.

Смотреть демо →

Инструменты и мини-приложения

8 проектов
React · Vite Живое

Калькулятор маркетинга и экономики

Считает себестоимость и маржинальность рилсов при обработке видео через AI-сервисы (Vizard и другие) — без Excel и формул наизусть.

Смотреть демо →
Lovable · Supabase Живое

Учёт учеников для репетиторов

Посещаемость по группам, статусы занятий, расчёт оплаты за месяц и готовое сообщение должнику со ссылкой на оплату.

Смотреть демо →
Lovable Живое

Киногайд

5 вопросов — и алгоритм определяет твой киноархетип, чтобы подобрать фильмы под конкретный тип зрителя.

Смотреть демо →
React Three Fiber Живое

3D-комната

Конфигуратор комнаты: задаёшь размеры и окна на плане — получаешь готовую интерактивную 3D-сцену со светом, мебелью и сменой дня/ночи.

Смотреть демо →
Next.js · MCP Живое

Travel Planner

Пересобран с нуля как полноценный MCP-агент: свой MCP-сервер сам ходит в два настоящих публичных сервера — mcp.kiwi.com и mcp.trivago.com — реальные билеты, реальные отели, реальные цены.

Смотреть демо →
Next.js · MCP Живое

AI Weather Agent

Пересобран с нуля: реальная погода через Open-Meteo без единого API-ключа — текущие условия, прогноз на неделю и сравнение сразу нескольких городов.

Смотреть демо →
Next.js · MCP Живое

Text Analyzer

Пересобран с нуля: 5 инструментов анализа текста — читаемость и ключевые слова чистым расчётом, тональность, сущности и саммари через LLM.

Смотреть демо →
Next.js · MCP · Prisma Живое

Личный кабинет восстановления после похмелья

От чат-демо выросло до мини-продукта: регистрация, квиз-архетип, каталог треков восстановления и трек-чат с прогресс-баром, который реально растёт от вызовов MCP-инструментов.

Смотреть демо →
Скриншот: ИИ-агент для клиентской поддержки
React · Vite · Lovable

ИИ-агент, который разбирает обращения в поддержку и не путает данные с домыслами

О проекте

Начиналось как лендинг-концепт направления Steps «Автоматизация поддержки». Затем лендинг стал реальным работающим агентом: Telegram-бот, отвечающий по настоящей базе знаний на 246 статей — не демонстрация идеи, а рабочий прототип.

Задача

Команды поддержки теряют часы на то, что закрывается автоматической аналитикой — но большинство «ИИ для поддержки» на рынке додумывают ответ там, где данных нет, и выдают это уверенным тоном. Нужен был не просто оффер на лендинге, а агент, который на практике этот принцип соблюдает.

Как это работает

Лендинг построен вокруг одной мысли, а не списка фич: рутина поддержки — это конкретные потерянные рубли. Заголовок называет цену вопроса — «Ни одного пропущенного обращения. Только данные, только истина» — и подкрепляется цифрами: 85–90% автоматизации рутины и снижение времени ответа.

Чтобы проверить этот принцип на практике, а не только на словах, собрал реального агента поверх базы знаний справочного центра Calltouch (взят как пример богатой документации — сам продукт не имеет отношения к Steps): спарсил 246 статей напрямую с сайта, поднял serverless-функцию на Vercel как Telegram-вебхук, добавил поиск по ключевым словам среди статей и передачу найденного контекста в языковую модель через OpenRouter. Если модель не находит ответ в контексте — бот прямо об этом говорит и предлагает написать в поддержку, вместо того чтобы придумывать функцию, которой не существует.

Что умеет

ВозможностьЧто это даёт
Поиск по 246 статьям базы знанийОтвечает по реальной документации, а не по общим знаниям модели о продукте
Честный отказ вне базы знанийНа вопрос не по теме — прямо говорит, что это не его компетенция, не выдумывает
Работает в TelegramКлиент пишет как в обычный чат, без формы и виджета на сайте

Важно

Проверено вживую на двух контрастных вопросах: на реальный вопрос по продукту бот честно ответил тем, что нашёл в статье, и отдельно отметил, чего в базе знаний нет — а на вопрос не по теме («какая погода в Москве») отказался отвечать вместо того, чтобы придумать что-то похожее на правду. Это и есть «только данные, только истина» из заголовка — не просто красивая фраза, а проверяемое поведение.

Как сделано

  1. Лендинг: бриф и оффер вокруг одной боли — пропущенные обращения — в Lovable на React + Vite + shadcn/ui
  2. Скрапинг 246 статей справочного центра Calltouch напрямую по sitemap, очистка HTML до чистого текста
  3. Простой поиск по ключевым словам (без embeddings и векторной базы) — для каждого вопроса подбираются 3–4 наиболее релевантные статьи
  4. Системный промт жёстко ограничивает модель (OpenRouter, Claude Haiku) отвечать только по найденному контексту
  5. Serverless-функция на Vercel принимает Telegram-вебхук, вызывает модель, отправляет ответ обратно в чат

Результаты

246статей базы знаний, собраны напрямую с сайта
0выдуманных фактов — подтверждено тестом на нерелевантном вопросе
Vercelserverless, без своего сервера и очереди сообщений
Next.js · MCP · OpenRouter

ИИ-продажник по автоподбору, который сам доводит разговор до записи на консультацию

О проекте

Третий кейс в линейке MCP-агентов портфолио (после «Похмельного доктора» и «HR-рекрутера») — и единственный, где агент осознанно спозиционирован не как нейтральный помощник, а как продажник. Контент и позиционирование — с реального сайта агентства автоподбора carsavin.ru.

Задача

Типичный бот для автоподбора либо честно консультирует и на этом останавливается, либо собирает контакты в форму, из которой не видно, дошло ли дело до сделки. Нужен был агент, который не просто подбирает варианты, а активно подводит диалог к конкретному целевому действию — записи на консультацию с экспертом.

Как это работает

Клиент описывает запрос свободным текстом («нужна семейная машина до 1.5 млн, важна экономичность») — parse_car_request сам извлекает бюджет, тип кузова, цель использования и приоритетный фактор (экономия / статус / безопасность), без анкеты с чекбоксами. search_cars_db ищет подходящие варианты в тестовой базе Prisma (около 20 автомобилей: марка, модель, год, цена, пробег, кузов, город). score_car_fit оценивает каждый вариант от 0 до 100 и объясняет, что совпало, а что нет. А дальше в дело вступает системный промпт: как только найден подходящий вариант, агент не останавливается на «вот вам авто», а сам предлагает записаться на бесплатную консультацию с экспертом через book_consultation — пока варианты актуальны.

Что умеет

ВозможностьЧто это даёт
Разбор запроса на естественном языкеБюджет, кузов, цель и приоритет извлекаются без анкеты
Поиск по базе автомобилейПодбор из ~20 тестовых авто по бюджету, кузову, марке, году
Оценка соответствия варианта0–100 баллов с объяснением, что совпало, а что нет
Запись на консультациюГлавный инструмент продажи — фиксирует заявку с именем, телефоном и временем

Важно

Системный промпт прямо обязывает агента подводить к записи после того, как найден подходящий вариант — это и отличает «ИИ-продажника» от нейтрального ассистента: сквозной прогон в проде подтвердил путь целиком — поиск → оценка вариантов → явный переход к продаже консультации с конкретной аргументацией, а не просто выдача списка машин.

Вызовы и решения

Проблема

Бесплатный лимит Railway (хостинг MCP-сервера в двух предыдущих кейсах) уже был исчерпан

Решение

Перешёл на Render — но он разворачивает только из git-репозитория, а не из локальной папки: потребовалась переавторизация GitHub CLI и создание приватного репозитория (с явного согласия владельца)

Проблема

Деплой веб-части на Vercel падал с невнятной «Unexpected error»

Решение

Заподозрил уже знакомый по прошлому кейсу баг — отсутствие поля packages в pnpm-workspace.yaml — добавил packages: ["."], деплой прошёл с первой попытки

Проблема

В прошлом кейсе (HR-рекрутер) две базы данных чуть не пересеклись в одном Neon-проекте

Решение

Здесь базу carsavin_ai создал отдельно с самого начала, не переиспользуя чужую — урок применён заранее, а не по факту инцидента

Результаты

4MCP-инструмента, включая инструмент продажи book_consultation
~20тестовых автомобилей в базе — бюджет, кузов, марка, год, пробег
RenderMCP-сервер на отдельном хостинге — после исчерпания лимита Railway

Проверено вживую

Сквозной прогон в проде подтверждён: поиск → оценка вариантов → явный переход агента к продаже консультации с конкретной аргументацией — весь путь именно как «ИИ-продажник», не нейтральный ассистент.

TanStack Start · Supabase

Приложение, которое готовит к звонку и само пишет саммари после него

О проекте

Собственная разработка — инструмент для тех, у кого рабочий день состоит из встреч, и после каждой нужно вспомнить, что обсуждали, и разослать итоги. Изначально собран в Lovable — и до этой недели работал только внутри их платформы.

Задача

Подготовка к звонку и саммари после него съедают время между встречами — а если этого не делать, участники через день спрашивают «а что мы решили». Отдельная задача возникла позже: приложение было наглухо привязано к инфраструктуре Lovable (их прокси для ИИ, их прокси для Fireflies, их очередь писем) и не работало нигде за её пределами.

Как это работает

Весь цикл встречи разбит на этапы, а не свален в один экран: подготовка к звонку (prepare) с ИИ-проверкой готовности по 9 критериям, сама встреча (meeting), запись передаётся в Fireflies на транскрибацию, вебхук получает готовый транскрипт и запускает анализ (analysis) — чанкинг длинного разговора, оценка по 16 правилам успешного совещания, затем синтез итогового отчёта — и рассылка итогов участникам на почту (distribute). Есть отдельно чек-листы, журнал и матрица готовности с ИИ-оценкой загруженных материалов.

Что умеет

ВозможностьЧто это даёт
Подготовка к звонку с ИИ-проверкойНе тратишь 10 минут на «что мы обсуждали в прошлый раз»
Автотранскрибация через FirefliesНе запускаешь запись и расшифровку вручную
Анализ по 16 правилам совещанияНе пишешь саммари вручную — и видно, что именно пошло не так
Рассылка итогов на почтуНикто не спрашивает «а что мы решили» через день

Важно

При инвентаризации портфолио выяснилось, что приложение вызывает ИИ, Fireflies и отправку писем не напрямую, а через три разных внутренних шлюза Lovable — вне их платформы всё это молчало с ошибкой конфигурации. Переписал все три интеграции на прямые API (OpenRouter, Fireflies, Resend) и поднял независимую инфраструктуру — теперь приложение работает само по себе, без чужой платформы.

Как сделано

  1. Нашёл и заменил все вызовы через ai.gateway.lovable.dev и connector-gateway.lovable.dev на прямые OpenRouter и Fireflies API в 6 файлах
  2. Заменил внутреннюю очередь писем Lovable на прямую отправку через Resend
  3. Сборка была настроена под Cloudflare Workers — перевёл на Vercel через нативный «vercel» preset в Nitro, без переписывания серверной логики
  4. Поднял новый проект Supabase (Lovable управлял прежним целиком, доступа к нему не было) и прогнал все 8 миграций схемы
  5. Подключил Resend через Vercel Marketplace, донастроил переменные окружения под новые интеграции

Вызовы и решения

Проблема

Приложение было завязано на 3 внутренних сервиса Lovable, недоступных за её пределами — ИИ, Fireflies, письма

Решение

Прямые ключи и API вместо прокси: OpenRouter, Fireflies API, Resend — каждый со своим реальным ключом

Проблема

Доступа к исходному Supabase-проекту не было — он жил только внутри Lovable

Решение

Новый Supabase-проект через Vercel Marketplace, все 8 SQL-миграций прогнаны заново

Проблема

Подключение к новой базе падало с ошибкой сертификата — пуловер Supabase использует собственный приватный CA, не публичный

Решение

Забрал реальную цепочку сертификатов с сервера и подключил её как доверенный CA — вместо того, чтобы просто отключить проверку

Результаты

3 → 0внутренних шлюза Lovable заменены на прямые API
8/8миграций схемы применены к новой базе без ошибок
16 правилоценки совещания в движке анализа

Проверено вживую

Регистрация пользователя прошла через реальный Supabase Auth (создан и удалён тестовый аккаунт), ключ Fireflies подтверждён прямым запросом к их API, ключ OpenRouter — тот же, что уже работает в ИИ-агенте поддержки.

TanStack Start · Supabase

Демо: ИИ-помощник для встреч

Скриншот: дашборд план/факт (демо-данные)
n8n · Telegram · Google Calendar

Бот, который заводит задачу в YouGile одним сообщением в Telegram

О проекте

Внутренняя автоматизация Steps — не продукт на продажу, а система, которой каждый день пользуется сама команда.

Задача

Переключаться руками между Telegram, YouGile и Google Calendar — терять по минуте на каждое действие, которые за неделю складываются в часы. Задача — завести всё из одного сообщения, без открытых лишних вкладок.

Как это работает

Бот на n8n (сознательно не Zapier/Make — это принцип Steps) с LLM-узлом через OpenRouter (Claude Haiku) для распознавания намерения. Роутер честно спрашивает уточнение при составных запросах вместо того, чтобы гадать. Дальше — работающая система с несколькими ветками: создание задачи в YouGile, событие в Google Calendar с автоматической ссылкой на Google Meet, поиск свободных слотов по freebusy-запросу. Со временем система обросла канбан-статусами, управлением задачами прямо из чата, вечерней сводкой по расписанию, план-факт дашбордом поверх Google Sheets и вторым ботом-«финдиректором», отвечающим на вопросы по деньгам. Всё работает на собственном VPS (Docker + Caddy, настоящий HTTPS через Let's Encrypt) — не зависит от того, включён ли компьютер.

Что умеет

ВозможностьЧто это даёт
Создание задачи из сообщенияНе открываешь YouGile, чтобы завести карточку
Событие + ссылка на Google MeetСсылка на встречу генерируется сама
Поиск свободных слотовНе считаешь занятость в голове
Вечерняя сводка по расписаниюВидно, что сделано и что горит, без захода в трекер
План-факт дашборд + бот-«финдиректор»Вопрос по деньгам — сразу в чат, без похода в таблицу

Важно

Роутер не пытается угадать составной запрос с двумя разными действиями — честно переспрашивает. Один лишний вопрос дешевле, чем задача, заведённая не в ту колонку.

Как сделано

  1. Ядро на n8n: интенты task / event / slots / unknown, дедуп по update_id против повторной доставки вебхука
  2. Канбан-статусы на всех досках + управление задачами прямо из чата (intent status, fuzzy-поиск по названию)
  3. Вечерняя сводка по расписанию (Schedule Trigger) с логом активности
  4. План-факт дашборд поверх Google Sheets, отдаётся статикой напрямую через Caddy
  5. Второй бот-«финдиректор» поверх той же таблицы — вопросы по деньгам без похода в Sheets

Вызовы и решения

Проблема

Часовой пояс контейнера по умолчанию сбивал время вечерней сводки на 7 часов

Решение

Пересоздал контейнер с явным GENERIC_TIMEZONE=Europe/Moscow

Проблема

Google Sheets с русской локалью использует «;» вместо «,» в формулах — расчёты тихо обнулялись

Решение

Проверка на сырых значениях (UNFORMATTED_VALUE) вместо доверия к «раз не упало — значит верно»

Проблема

Деактивация любого workflow с Telegram-триггером сбрасывала вебхук бота целиком

Решение

Переактивация нужного workflow сразу после любой деактивации — учтено как обязательный шаг

Результаты

6+ ветоксценариев в одном боте — от задачи до финансов
24/7на собственном VPS, не зависит от компьютера владельца
0ручных переключений между Telegram, YouGile и календарём

Про ссылку

Дашборд в проде — тот же интерфейс, но подключён к реальным цифрам выручки Steps без авторизации. Показывать это в открытом портфолио неправильно, поэтому здесь — копия того же дашборда с примерными данными: механика и вёрстка идентичны, цифры вымышленные.

Скриншот: сайт AIRX Holdings
HTML

AIRX

Задача

Сайт-сопровождение для питча AIRX Holdings на ВТБ / SPIEF — двуязычная презентация технологического холдинга для международной аудитории.

Что сделано

Статический HTML-лендинг с переключателем EN / 中文 под позиционирование «deep-tech holding»: ИИ-инфраструктура, аддитивное производство и капитал в промышленных рынках. Два CTA — «Request a Confidential Brief» (основной) и «Explore Portfolio» (для тех, кто хочет сначала посмотреть, а не оставлять контакт).

Сроки

10 дней.

Скриншот: лид-магнит «Гайд по нейросетям»
Статический сайт

Гайд по нейросетям

Задача

Лид-магнит, с которого начинается вся воронка Steps — первая точка контакта, ещё до продажи.

Что сделано

Статическая страница с навигацией по 5 нейросетям (Deepseek, Lovable, Arena AI, Kling AI, Napkin AI) — под каждую свой раздел с промтами под конкретные задачи. Структура блоков: «Почему нейросети» (контекст) → «Что вы получите» (обещание) → сетка тем (экономия времени, анализ данных, продуктивность, создание контента). Обещание в заголовке — «сэкономят 20 часов в неделю» — не абстрактное, а разбито по темам ниже.

Сроки

10 дней.

Статус

Живая точка входа в воронку — работает прямо сейчас, это боевой домен Steps.

Скриншот: трипваер «5 нейросетей вместо агентства»
HTML · ЮKassa · n8n

Трипваер «5 нейросетей вместо агентства»

Задача

Платный трипваер после лид-магнита — с реальной оплатой, а не заглушкой «Купить». Оффер: задачи дизайнера, копирайтера и видеомейкера, которые раньше стоили 50 000 ₽ у подрядчиков, закрываются готовыми промтами и видео-инструкциями за вечер.

Что сделано

Продающая страница (990 ₽ вместо 5 000 ₽ у фрилансера) + workflow «Трипваер — оплата ЮKassa» на n8n: создание платежа, редирект на оплату, проверка статуса, автоматическая выдача доступа в закрытый чат поддержки только после подтверждённой оплаты. Доверие закрыто личным опытом автора на странице: «Работал с участниками списка Forbes», «11 лет в маркетинге · 3 года в нейросетях».

Сложности

У ключа ЮKassa нет тестового режима — проверяли на боевом ключе минимальной суммой (2 ₽) с последующим возвратом. Видео-инструкции к промтам ещё не записаны — на момент оплаты выдаются текстовые промты и доступ в чат поддержки.

Сроки

~10 дней с учётом интеграции оплаты.

Почему без ссылки

Ключ ЮKassa боевой — переход по ссылке из портфолио может случайно закончиться реальной оплатой. Показываю скриншот и описание, без активной ссылки.

Скриншот: сайт благотворительного фонда «Андреевский»
Статический сайт

Сайт благотворительной организации «Андреевский»

Задача

Многостраничный сайт НКО: рассказать о миссии, показать проекты и отчётность, дать возможность пожертвовать.

Что сделано

Статический HTML/CSS без сборщиков и зависимостей, свёрстан по референсу ewahelps.com. Разделы: о нас, проекты, новости, отчёты, контакты, пожертвование, публичная оферта и политика конфиденциальности — с общими шапкой, подвалом и cookie-баннером. Среди проектов фонда на сайте — реставрация храма, помощь ветеранам (в том числе через отдельный ИИ-сервис «Собеседник» для соцкультурной адаптации), цифровой подбор молитв с чат-ботом и паломнические поездки.

Сложности

После первого деплоя на Vercel вёрстка «поехала» — CSS и картинки не подгружались. Причина: в HTML пути к стилям были жёстко прописаны с префиксом /AI-Assistant/ (расчёт на GitHub Pages, где сайт живёт в подпапке репозитория) — на обычном хостинге такого пути не существует. Прогнал по всем 23 файлам, убрал префикс, передеплоил.

Сроки

10 дней.

Скриншот: e-commerce витрина STEPS Financial Intelligence
Next.js · Drizzle · Postgres

E-commerce витрина

Задача

Витрина интернет-магазина с полноценным чекаутом: каталог, карточка товара, оформление заказа. Тема витрины — «STEPS Financial Intelligence», premium-данные для банков и управляющих компаний.

Что сделано

Next.js + Drizzle ORM + PostgreSQL, отдельные таблицы под товары, отзывы и заказы, API health-check. База данных изначально не была подключена нигде — при деплое поднял Neon Postgres через маркетплейс Vercel, прогнал миграцию схемы и написал сид-скрипт (5 продуктов, отзывы) на Node.

Сроки

10 дней на фронтенд, деплой с базой — отдельным шагом.

Статус

База Neon Postgres подключена через Vercel и заполнена демо-товарами — /api/health подтверждает подключение. Важно: логотипы «JPMorgan / Goldman / Blackrock» в блоке доверия — плейсхолдер-контент из исходного шаблона, не реальные клиенты. Стоит заменить перед показом клиентам.

Скриншот: лендинг «Цифровой двойник»
React · Vite · Lovable

Цифровой двойник

Задача

Лендинг услуги «AI Avatar Care»: создание ИИ-аватара эксперта для ведения соцсетей и цифрового наследия.

Что сделано

React + Vite + shadcn/ui. Заголовок бьёт не в функцию, а в состояние клиента: «Ты и так слишком много отдаёшь. Позволь аватару взять на себя контент, а себе оставь — жизнь». Четыре буллета сразу переводят абстрактную пользу в конкретику: до 20 часов в неделю, снятие тревоги о регулярности постинга, время для семьи, голос звучит даже когда молчишь. Расчёт окупаемости встроен прямо в страницу.

Сроки

10 дней.

Скриншот: лендинг Email-аутрич для B2B
React · Vite · Lovable

Email-аутрич для B2B

Задача

Лендинг для продажи услуги email-аутрича под ключ — «Steps Digital Agency», B2B-аутрич с 2015 года.

Что сделано

React + Vite + shadcn/ui, оффер и цифры (гарантия лидов в договоре) зашиты прямо в страницу. Доверие строится на личности автора: фото, имя «Владислав Фемистоклов», подпись «Основатель · Steps · VAD Consulting · 12 лет», статус эксперта Нидерландской академии маркетинга. Три цифры в подвале hero-блока: 12+ лет опыта, ×7 снижение CPL, кейсы уровня Forbes в портфолио.

Сроки

10 дней.

Скриншот: лендинг «Маркетинговая стратегия»
React · Vite · Lovable

Маркетинговая стратегия

Задача

Лендинг услуги «разработка маркетинговой стратегии под ключ».

Что сделано

React + Vite + shadcn/ui. Hero сразу задаёт математику вместо абстрактного обещания: «Как из 1 ₽ инвестиций сделать 3 ₽+ дохода» — ROI зашит в заголовок, а не спрятан в середину страницы. Дальше структура — от расчёта к внедрению стратегии.

Сроки

10 дней.

Скриншот: калькулятор экономики видео-проектов
React · Vite · Vercel

Калькулятор, который считает не абстрактную юнит-экономику, а маржу конкретного рилса

О проекте

Внутренний инструмент Steps под продукт «100 Reels за неделю» — не демо-калькулятор, а то, чем реально считаю стоимость контент-проектов.

Задача

Обработка видео через AI-сервисы стоит по-разному в зависимости от длительности, сервиса и объёма — на глаз не посчитать. Ошибка в 5–10% в оценке съедает всю маржу проекта.

Как это работает

Вход: число исходных видео, длительность одного, цена для клиента за час обработки, выбор сервиса (например, Vizard.ai — $20/мес, ~$1,50/час) и опциональный сервис субтитров, курс USD → RUB. Выход считается сразу и без перезагрузки страницы: время обработки всего проекта, время на 1 рилс, себестоимость рилса без автоматизации и с ней, итоговая маржинальность в процентах.

Что умеет

ВозможностьЧто это даёт
Ввод параметров проектаЧисло видео, длительность, цена для клиента — под конкретный кейс, не усреднённый
Выбор AI-сервиса обработкиСравнение реальной цены за час между сервисами
Расчёт себестоимости и маржиПрибыль видна до старта проекта, а не после

Результаты

76,2%маржинальность в примере расчёта на скриншоте
0,7 минна создание одного рилса при 150 рилсах в проекте
10 днейна сборку инструмента
Скриншот: приложение учёта учеников для репетиторов
Lovable · Supabase

Приложение, которое само пишет должнику сообщение с суммой и ссылкой на оплату

О проекте

Собственная разработка для репетитора, ведущего несколько групп — замена ручного учёта посещаемости и оплаты в таблице.

Задача

В конце месяца нужно свести посещаемость по каждой группе, посчитать, кто сколько должен с учётом скидок, и написать каждому должнику лично — вручную это час-два рутины каждый раз.

Как это работает

Сводка сверху — сколько учеников, групп, должников и уже оплативших. Группы вынесены на вкладки (например «Робототехника», «Программирование») с расписанием и именем тьютора. По каждому ученику — телефон, скидка (в том числе именные тарифы вроде «многодетные»), статус посещения по датам и автоматический расчёт суммы к оплате с учётом остатка. Ниже — готовые сообщения для рассылки должникам с суммой и ссылкой на оплату, с кнопкой «Копировать», плюс выгрузка полного отчёта в Excel одной кнопкой.

Что умеет

ВозможностьЧто это даёт
Учёт посещаемости по группамНе считаешь занятия в тетради или отдельном файле на группу
Расчёт оплаты со скидкамиСкидка «многодетные» и похожие учтены автоматически, без ручной правки суммы
Готовое сообщение должникуКопируешь и отправляешь, не составляешь текст заново каждый раз
Выгрузка в ExcelОтчёт для себя или бухгалтера готов одной кнопкой

Результаты

21 деньна full-stack приложение с базой данных
1 кликна сообщение должнику и на выгрузку отчёта
3 статусапосещения на каждую дату занятия
Скриншот: квиз «Киногайд»
Lovable

Квиз на 5 вопросов, который подбирает фильмы под тип зрителя, а не выдаёт случайный топ

О проекте

Лёгкий эксперимент, не бизнес-задача — тренировка на механике «вопрос → подбор результата», которая пригождается и в лид-магнитах, и в квизах для продажи.

Как это работает

5 вопросов о зрительских привычках, логика подбора «киноархетипа» на основе ответов и персональная подборка фильмов под конкретный тип в конце — без общего топа, одинакового для всех.

Что умеет

ВозможностьЧто это даёт
5 вопросов о привычках просмотраКороткий путь до результата, не 20-минутный тест
Подбор по «киноархетипу»Результат персональный, а не одинаковый топ-10 для всех

Результаты

5вопросов до результата
10 днейна сборку и логику подбора
Lovableот промта до рабочего квиза
Скриншот: конфигуратор 3D-комнаты
React Three Fiber

Конфигуратор, который превращает план комнаты в 3D-сцену за один клик

О проекте

Инженерная тренировка — проверить на практике связку 2D-ввода данных и 3D-рендера в браузере, не бизнес-задача.

Как это работает

Сначала 2D-план: вводишь ширину, длину и высоту комнаты, кликами по стенам расставляешь окна — площадь считается на лету, без CAD-программы. По кнопке «Создать проект» план превращается в интерактивную 3D-сцену на React Three Fiber (Three.js): свет, расстановка мебели, смена дня и ночи, управляемая камера.

Что умеет

ВозможностьЧто это даёт
2D-план с окнамиРасставляешь окна кликами по стенам, без CAD-программ
Расчёт площади на летуМетраж виден сразу при вводе размеров
3D-сцена со светом и мебельюСмена дня и ночи прямо в браузере, без отдельного рендера

Результаты

2 → 3Dплан превращается в сцену одним кликом
Three.jsрендер прямо в браузере, без плагинов
День/ночьпереключение освещения в сцене
Next.js · MCP · Kiwi · trivago

Агент, который сам ходит в два настоящих MCP-сервера — Kiwi и trivago, без единого мока

О проекте

Было собрано на Replit и перестало открываться после того, как уснул тариф — пересобрал с нуля как полноценный MCP-агент, по той же схеме, что «Похмельный доктор» и HR-рекрутер: свой MCP-сервер, LLM-агент на OpenRouter, чат с вкладкой Logs.

Задача

Планирование поездки обычно значит переходы между 3–4 сайтами — авиабилеты, отели, сравнение цен. Нужен был агент, который сам решает, куда идти за данными, а не жёстко зашитые API-интеграции под каждый сервис отдельно.

Как это работает

Нашёл настоящие публичные MCP-серверы у самих поставщиков данных: mcp.kiwi.com отдаёт реальный поиск авиабилетов (цены, время в пути, ссылка на бронирование), mcp.trivago.com — реальные отели (цена за ночь и за всё проживание, рейтинг, фото, ссылка). Собственный MCP-сервер здесь одновременно и MCP-сервер для агента, и MCP-клиент к этим двум внешним: агент вызывает search_flights/search_hotels/plan_trip, а внутри они сами обращаются к Kiwi и trivago по Streamable HTTP и отдают агенту чистый структурированный результат.

Что умеет

ВозможностьЧто это даёт
Поиск авиабилетовРеальные цены и ссылки на бронирование через mcp.kiwi.com
Поиск отелейРеальные цены, рейтинги, фото через mcp.trivago.com
План поездки целикомБилеты и отель на одни даты одним вызовом (plan_trip)

Важно

У двух внешних MCP-серверов оказался разный протокол: Kiwi — полностью stateless, а trivago требует настоящую сессию (mcp-session-id) и кладёт данные не в текстовый блок для LLM, а в отдельное поле structuredContent — MCP есть MCP только на бумаге, у каждого сервера свои детали.

Вызовы и решения

Проблема

Первая версия читала ответ trivago из текстового блока для LLM — а там двойное JSON-кодирование и служебная инструкция по форматированию, не структура для кода

Решение

Переключился на поле structuredContent, которое оба сервера отдают параллельно с текстом — это уже честный JSON

Проблема

Свой MCP-сервер нужно было куда-то задеплоить — бесплатный лимит Railway уже занят двумя предыдущими кейсами

Решение

Развернул как serverless-функцию на Vercel вместо отдельного процесса — тот же MCP по Streamable HTTP, без своего постоянного сервера

Проблема

Вкладка Logs первое время не показывала вызовы — у serverless-функций нет общей памяти между вызовами

Решение

Перенёс логи в Vercel Blob — любой вызов MCP и любое чтение Logs теперь видят одни и те же данные

Результаты

2настоящих публичных MCP-сервера подключены без своих API-ключей
3инструмента, включая план поездки целиком одним вызовом
0моков — билеты, отели и цены настоящие

Проверено вживую

Сквозной прогон в проде подтверждён: запрос билетов Лондон → Барселона вернул реальные рейсы Ryanair от $38 с рабочими ссылками на kiwi.com; запрос отеля в Риме — реальные варианты trivago с ценами и рейтингами 8.6–9.2. Оба вызова видны во вкладке Logs.

Next.js · MCP · Open-Meteo

Погодный агент на полностью реальных данных — без ключей и без выдуманных цифр

О проекте

Было собрано на Replit и перестало открываться после того, как уснул тариф — пересобрал с нуля как полноценный MCP-агент: свой MCP-сервер, LLM-агент на OpenRouter, чат с вкладкой Logs, показывающей реальные вызовы инструментов.

Задача

Нужен был самый честный из трёх пересобранных кейсов — источник данных, который не требует вообще никакого ключа и физически не может тайно подсунуть мок вместо реальных данных.

Как это работает

Три инструмента поверх Open-Meteo — бесплатного метеосервиса без API-ключа: текущая погода в любом городе мира, прогноз по дням на срок до недели и сравнение сразу нескольких городов одним вызовом. Для сравнения городов агент сам решает вызвать один инструмент compare_weather, а не гонять по отдельному запросу на каждый город. Геокодирование названия города в координаты — тоже настоящее, через открытый геокодер Open-Meteo.

Что умеет

ВозможностьЧто это даёт
Текущая погодаТемпература, ощущается как, ветер, влажность, осадки — прямо сейчас
Прогноз по днямДо 7 дней вперёд, по каждому дню отдельно
Сравнение городовДо 5 городов за один вызов, с выводом, где теплее всего

Важно

Open-Meteo — редкий случай честно бесплатного и полностью открытого API: не демо-лимит и не пробный период, а постоянный бесплатный доступ к тем же данным, на которых работают настоящие метеослужбы. Из всех источников данных в пересобранных кейсах — самый простой в подключении и самый прозрачный.

Вызовы и решения

Проблема

Изначальный вариант на Replit «уснул» вместе с тарифом и не переопубликовывался

Решение

Пересобрал как отдельный проект на собственном стеке — свой MCP-сервер на Vercel (не Railway — оба бесплатных лимита уже заняты предыдущими кейсами), свой веб-чат, независимый деплой

Проблема

Вкладка Logs не показывала вызовы при проверке — та же причина, что и в двух других пересобранных кейсах: serverless-функции Vercel не делят память между вызовами

Решение

Перенёс логи в Vercel Blob — общее хранилище вместо памяти одного случайного инстанса

Результаты

0ключей API нужно для всех данных о погоде
3инструмента, включая сравнение до 5 городов одним вызовом
7 днеймаксимальный прогноз вперёд

Проверено вживую

Сквозной прогон подтверждён: запрос погоды в Токио вернул реальные 34°C (ощущается как 40°C), сравнение Москвы, Дубая и Токио корректно определило Дубай самым тёплым (33.8°C) — все цифры настоящие, не подставные.

Next.js · MCP · OpenRouter

Пять инструментов анализа текста — где посчитать самому, а где спросить модель

О проекте

Раньше был недоступен из-за тарифных ограничений Replit — пересобрал с нуля как полноценный MCP-агент вместо простого React-приложения и наконец опубликовал с рабочей ссылкой.

Задача

Текстовый анализ — удобный повод показать, что не всё в MCP-агенте обязано идти через LLM: часть инструментов — это честный расчёт, часть — там, где без понимания смысла не обойтись.

Как это работает

Пользователь присылает текст и говорит, что нужно — агент сам решает, какие из пяти инструментов вызвать. Читаемость и ключевые слова считаются напрямую (адаптированная под русский язык формула Флеша, частотный анализ слов с фильтром стоп-слов) — без обращения к модели вообще. Тональность, именованные сущности и саммари идут через OpenRouter — там, где нужно понимать контекст, иронию и кто есть кто в тексте, формула не поможет.

Что умеет

ВозможностьЧто это даёт
Читаемость текстаИндекс 0–100 и уровень сложности — чистый расчёт, без модели
Ключевые словаПо частоте, с фильтром стоп-слов — чистый расчёт
ТональностьПозитив / негатив / нейтрально / смешанно, оценка от −1 до 1 — через LLM
Именованные сущностиЛюди, организации, места, даты — через LLM
СаммариКраткое содержание на языке оригинала — через LLM

Важно

Осознанно смешанная архитектура: там, где формула считает не хуже модели (читаемость, частота слов) — считает формула, дешевле и без сети. Там, где нужно понимание смысла — LLM. Не всё в MCP-агенте обязано быть «ИИ ради ИИ».

Вызовы и решения

Проблема

Изначальный вариант на Replit невозможно было переопубликовать после того, как уснул тариф

Решение

Пересобрал с нуля на собственном стеке (Vercel + OpenRouter) вместо того, чтобы зависеть от чужого бесплатного тарифа

Проблема

Логи вызовов не сохранялись между чтениями вкладки Logs — та же архитектурная особенность serverless, что и в двух других пересобранных кейсах

Решение

Тот же фикс — постоянное хранилище (Vercel Blob) вместо памяти инстанса

Результаты

5инструментов — 2 чистым расчётом и 3 через LLM
0.95реальная оценка тональности в проверенном прогоне
100баллов читаемости для короткого текста — формула отработала корректно

Проверено вживую

Сквозной прогон подтверждён: текст «Это лучший день в моей жизни! ИИ-агенты реально экономят время бизнесу» — агент сам вызвал analyze_sentiment (0.95, позитивно) и extract_keywords в одном ходе, оба вызова видны во вкладке Logs.

Next.js · MCP · Prisma · hh.ru

Агент, который разбирает резюме, ищет кандидатов и не выдаёт демо-данные за настоящие

О проекте

Второй кейс в линейке MCP-агентов портфолио — и единственный с явной бизнес-пользой, а не только эффектной подачей: рекрутеру не нужно вручную читать резюме и перебирать кандидатов построчно.

Задача

Рекрутер тратит часы на разбор резюме, поиск подходящих кандидатов в базе и подготовку вопросов к интервью под каждую вакансию отдельно — рутина, которая хорошо ложится на агента с инструментами, а не на общий чат-бот поверх модели.

Как это работает

Агент сам решает, какой из 5 инструментов вызвать. Прислали текст резюме — parse_resume вытаскивает навыки, опыт, город и зарплатные ожидания в структуру. Попросили «найди трёх маркетологов из Москвы с опытом от 3 лет» — search_candidates_db ищет среди ~20 тестовых кандидатов в Neon. Нужна оценка конкретной пары кандидат-вакансия — score_candidate_fit считает 0–100 баллов с объяснением. А generate_interview_questions готовит 5 персональных вопросов с акцентом на слабые места именно этого кандидата под именно эту вакансию. Пятый инструмент, search_hh_resumes, ищет резюме на hh.ru через реальный OAuth2-клиент (по референсу RabotaRu/OAuth-Client) — пока приложение на dev.hh.ru на рассмотрении, инструмент работает на реалистичных демо-резюме и честно сообщает об этом в ответе.

Что умеет

ВозможностьЧто это даёт
Разбор резюме в структуруНавыки, опыт, город и зарплата без ручного чтения
Поиск кандидатов в базеФильтр по навыкам, опыту, городу и вилке среди ~20 тестовых профилей
Оценка соответствия вакансии0–100 баллов с объяснением, что совпало
Вопросы к интервью5 персональных вопросов под слабые места кандидата
Поиск резюме на hh.ruРеальный OAuth2-клиент, честно помечает demo/live источник

Важно

Инструмент search_hh_resumes помечает источник данных (mock / hh.ru / hh.ru_error) и передаёт эту пометку в системный промпт — агент обязан явно сообщить пользователю, что это демо-данные, а не выдавать их за настоящие резюме с hh.ru.

Вызовы и решения

Проблема

Ради скорости переиспользовал ту же Neon-базу, что и «Похмельный доктор» — Prisma при миграции чуть не удалила чужие таблицы (Track/User/TrackProgress), посчитав их лишними

Решение

Остановился вовремя, проверил — все данные целы, создал отдельную базу hr_rekruter внутри того же Neon-проекта. Правило на будущее: одна физическая база на Prisma-проект, не на аккаунт

Проблема

vercel link --yes подхватил чужой прод-проект «Похмельного доктора» — обе папки называются web

Решение

Пересоздал через явное vercel project add hr-rekruter + link --project hr-rekruter, не полагаясь на автоопределение по имени папки

Проблема

Забыл postinstall: prisma generate в mcp-server/package.json — билд на Railway падал с «Property PrismaClient does not exist»

Решение

Добавил postinstall — генератор клиента теперь запускается и в облачной сборке, не только локально

Проблема

tsx watch не успевал освобождать порт при автоперезапуске — старый процесс продолжал отвечать на запросы, из-за чего казалось, что правки в коде не действуют

Решение

Научился сначала проверять, что висит на порту, и завершать старый процесс — а не искать причину только в коде

Результаты

5MCP-инструментов, включая реальный OAuth2-клиент к hh.ru
77/100реальная оценка соответствия в проверенном сквозном прогоне
2 → 1своя изолированная Neon-база вместо общей на два проекта

Проверено вживую

Сквозной прогон подтверждён: поиск кандидатов → агент дважды ошибся с несуществующим id, сам исправился через повторный поиск → оценка соответствия 77/100 → вопросы к интервью — всё через реальные вызовы инструментов, видно и в Logs, и бейджами прямо в чате.

Next.js · MCP · Prisma · Auth

От чат-демо до личного кабинета: квиз, треки восстановления и прогресс-бар поверх реальных MCP-вызовов

О проекте

Первый и самый развившийся кейс в линейке MCP-агентов портфолио: начинался с одного экрана Chat/Logs, вырос до личного кабинета по образцу GRO (lk.groapp.ru) — с регистрацией, квизом-онбордингом и каталогом «треков» восстановления.

Задача

Изначальная цель — наглядное демо MCP-агента: 30 секунд, чтобы человек без технического бэкграунда понял, что происходит, и улыбнулся. Задача выросла: показать не только сам факт работы MCP, но и то, как эта механика ложится в структуру настоящего продукта — с прогрессом, персонализацией и повторным использованием.

Как это работает

Пользователь регистрируется по email и паролю (своя JWT-сессия на jose + bcryptjs, без Auth.js — единственный способ входа не оправдывает фреймворк поверх), проходит квиз «Какой ты алкоголик» (4 коротких вопроса, лёгкий самоироничный тон) и получает один из 4 архетипов. Дальше — дашборд с 4 треками восстановления («Экстренная помощь прямо сейчас», «План на утро после», «Звонок начальнику», «Профилактика на будущее»), каждый открывает трек-чат с агентом и прогресс-баром: базовая скорость роста за ход плюс бонус за каждый новый вызванный MCP-инструмент — монотонно, без повторного начисления за один и тот же вызов. В диалоге агент вызывает assess_hangover_severity (оценка тяжести по симптомам), generate_recovery_plan (пошаговый план восстановления) и find_nearby_pharmacy (круглосуточные аптеки по городу, честно помечено как демо-данные). Старый экран / с вкладками Chat/Logs остался нетронутым и открытым без регистрации — рабочий MCP-агент виден сразу, без необходимости проходить квиз.

Что умеет

ВозможностьЧто это даёт
Оценка тяжести похмельяУровень тяжести и объяснение, что происходит в организме
План восстановленияПошагово: что выпить, что съесть, сколько отдыхать
Поиск круглосуточных аптекСписок по городу, честно помечен как демо-данные
Регистрация и квиз-архетип4 вопроса — персональный тип вместо одного сценария для всех
Прогресс-бар по трекамРастёт от реальных вызовов инструментов, а не по таймеру

Важно

В интерфейсе — фиксированная подпись «Не является медицинской консультацией. Демо-проект для портфолио»: приложение не претендует на медицинский продукт, это техническая демонстрация настоящей связки агент + MCP, доведённая до продуктовой формы.

Как сделано

  1. Схема Prisma и своя авторизация (bcryptjs + jose JWT + httpOnly-кука), двухслойная защита маршрутов через middleware.ts и серверный layout
  2. Квиз как статический конфиг в коде, а не таблица БД — 4 вопроса, 4 архетипа, редактируется через код
  3. Дашборд и каталог треков — 4 трека засеяны в Neon, сайдбар с разделами «Развитие», «Аккаунт», «Разработка»
  4. Экран трека и трек-чат — агент получает системный промпт с добавкой под конкретный трек, аддитивно поверх уже существующего цикла tool-use, без переписывания механики MCP
  5. Детерминированный прогресс без дополнительных LLM-вызовов — базовая скорость за ход плюс сумма очков за новые вызванные инструменты, идемпотентно

Вызовы и решения

Проблема

Prisma 7.8.0 больше не поддерживает url/directUrl прямо в schema.prisma

Решение

Добавлен prisma.config.ts и обязательный driver-адаптер @prisma/adapter-pg поверх pg в рантайме

Проблема

h-full не резолвился через вложенный flex-контейнер в экране трек-чата — тот же класс бага, что и раньше, но здесь main не является flex-контейнером для остальных страниц кабинета

Решение

position: relative на main + absolute inset-0 на корне трек-чата — точечно, а не через flex-1 min-h-0, чтобы не рисковать уже проверенными страницами

Проблема

pnpm-workspace.yaml без поля packages — старая версия pnpm на Railway считала такой файл невалидным workspace-конфигом

Решение

Добавлено packages: ["."]; сборка MCP-сервера переведена на tsc → node dist/index.js, чтобы не зависеть от devDependencies в проде

Результаты

6экранов кабинета — от регистрации до трек-чата с прогрессом
4 трекавосстановления, у каждого свой системный промпт поверх одного агента
100%прогресс и статус COMPLETED подтверждены реальными вызовами инструментов в проде

Проверено вживую

Сквозной прогон в проде подтверждён: регистрация → квиз (архетип «Профессионал вечеринок») → дашборд с 4 треками → трек-чат → прогресс дошёл до 100% и статус COMPLETED на треке «Экстренная помощь» после реальных вызовов assess_hangover_severity и generate_recovery_plan. Легаси / и /api/chat не затронуты, /api/logs показывает вызовы из обоих источников через один и тот же MCP-сервер.

Попробовать самому

Тестовый вход в личный кабинет, без регистрации: demo@example.com / Demo12345. Квиз уже пройден (архетип «Профессионал вечеринок») — логин сразу ведёт в дашборд с 4 треками восстановления.

Next.js · TypeScript · Prodamus

Предзаказ календарей кота Феди — от выбора формата до оплаты

О проекте

Тёплый e-commerce лендинг для предзаказа фирменных календарей с котом Федей. Покупатель выбирает один из трёх форматов, собирает корзину, указывает данные для доставки и переходит на защищённую страницу оплаты.

Что сделано

ВозможностьЧто это даёт
Три формата календаряПонятный выбор товара и количества прямо на странице
Корзина с пересчётомСтоимость товаров и доставка по России считаются автоматически
Оформление заказаИмя, телефон и адрес передаются в платёжный сценарий
Интеграция ProdamusПодписанный запрос, переход на оплату и проверка webhook-уведомлений
Адаптивный интерфейсПолный покупательский сценарий работает и на мобильных устройствах

Результат

3варианта календаря в одном каталоге
1 экранот знакомства с продуктом до оформления
РФдоставка заложена отдельной позицией заказа
Next.js · Prisma · AI / RAG · платежи

«Ясен Хрен»: от выразительного лендинга до цельной продуктовой экосистемы

Задача

Собрать цифровую среду для авторской методики самопознания: познакомить с необычным брендом, дать пользователю практический инструмент и связать контент, консультации и товары в одном продукте.

Что сделано

Часть продуктаПользовательская ценность
Сторителлинг-лендингПонятно объясняет идею через сценарий, персонажей и интерактивные сцены
Личный кабинетЕдиная точка входа в ежедневные карточки, профиль и материалы
ИИ-ассистент и база знанийОтветы опираются на авторскую методику, а не на общий чат-бот
Диагностические карточкиАрхетипы и упражнения превращены в повторяемый цифровой опыт
Магазин и оплатыКаталог, оформление заказа и платёжные сценарии встроены в платформу
Партнёрская программаРегистрация партнёров, ссылки и учёт вознаграждений

Интеграции

2канала связи: Telegram и VK
AI + RAGассистент на собственной базе знаний
1 продуктконтент, кабинет, коммерция и партнёры

Результат

Запущен живой полнофункциональный продукт, в котором маркетинговый лендинг не существует отдельно от сервиса: посетитель может познакомиться с идеей, зарегистрироваться, работать с инструментами и перейти к покупке внутри одной экосистемы.

EdTech для HoReCa · HTML · Google Forms · Apps Script

Из винной таблицы — в обучающую платформу для команды ресторана

Контекст

У владельца ресторана был большой массив авторских знаний о винах: сорта и регионы, вкусовые профили, температура подачи, гастрономические сочетания и стандарты сервиса. Информация хранилась в Excel — как справочник она работала, но учиться по ней и проверять знания сотрудников было неудобно.

Задача

Сделать внутреннее обучение частью работы ресторана: помочь сотрудникам быстрее освоить ассортимент, увереннее советовать вино гостям и закрепить единый стандарт подачи — без постоянного ручного разбора таблицы с каждым новичком.

Видео демонстрация

Выбор темы → открытие ответа → отметка «Знаю» или «Повторить» → автоматическое обновление прогресса.

Как было → как стало

БылоСтало
Большая таблица, которую нужно читать подрядКороткие интерактивные карточки «вопрос → ответ»
Смешанные сведения об ассортименте и сервисеФильтрация по категориям: красные, белые, игристые, подача, сочетания и термины
Непонятно, что сотрудник уже усвоилОтметки «Знаю» и «Повторить», прогресс сохраняется на устройстве
Проверка знаний вручнуюАвтоматический тест с баллами, разделами и подсказками
Нет единого критерия готовностиПрозрачный зачёт: не менее 32 из 40 правильных ответов

Что создано

80+карточек об ассортименте, сервисе и гастропарах
40вопросов в итоговой проверке знаний
80%порог зачёта — 32 правильных ответа

Пользовательский сценарий

  1. Сотрудник выбирает тему и проходит карточки в собственном темпе.
  2. Открывает ответ, отмечает уверенные знания и темы для повторения.
  3. Видит личный прогресс и возвращается к сложным вопросам.
  4. Проходит структурированный тест и сразу получает объективный результат.

Результат

Экспертный контент владельца ресторана стал самостоятельным обучающим продуктом. Новичкам проще входить в винную карту, действующим сотрудникам — повторять сложные темы, а руководителю — проверять готовность команды по единому критерию вместо субъективного устного опроса.