✳ myvibes.space

ЕВГЕНИЙ / PRODUCT BUILDER

Из идеи —
в работающую
систему.

Превращаю ручные процессы в приложения.
AI, интеграции и автоматизация —
от задачи до проверенного рабочего сценария.

НЕСКОЛЬКО ЗАДАЧ. ОДИН ПОДХОД.ПРОДУКТ → ИНТЕГРАЦИИ → ПРОВЕРКАНИЖЕ — РЕЗУЛЬТАТ ↓

01 / SELECTED WORK

Шесть разных задач.
Шесть своих решений.

AI для рабочих процессов,
учебные интерфейсы и инструменты macOS.
Каждый проект решает конкретную задачу.

02 / PERSONAL AGENTСобственный продукт

Teleastra

Telegram-аккаунт,
который работает за вас.

Мониторинг выбранных чатов, поиск по истории, документы и регулярные поручения — через обычный Telegram-аккаунт. TDLib, Hermes и собственная оболочка превращают переписку в рабочее место агента с памятью и инструментами.

TypeScript 61.6%Python 33.6%PowerShell 1.9%Остальное 2.9%
Состав репозитория · снимок GitHub 19.10.2026
Исходники закрыты
Как устроен проект

Что делает система

Ищет сообщения и контекст, сохраняет ссылки на оригиналы, разбирает документы и выполняет поручения по расписанию. Контролируемая подготовка сообщений и вложений встроена в общий процесс.

Моя роль и результат

Выбираю сценарии, проектирую взаимодействие и довожу интеграции. Реализован собственный слой задач, доступов, памяти и проверки действий поверх TDLib и Hermes. Поручения сохраняются, их можно уточнять и отменять.

Где это полезно

Мониторинг источников, поиск по рабочей переписке и регулярная обработка информации без ручного переноса между сервисами. Незавершённая внешняя операция проверяется перед повтором; автономное общение включается отдельно от сбора и подготовки.

03 / WORK DISCOVERYСобственный продукт

JobConveyor

Меньше вкладок.
Больше ясности.

Объявления из Telegram, сайтов вакансий и фриланса превращаются в единую очередь возможностей. Система сохраняет первоисточники, убирает повторы и готовит обоснованный заход: отклик, уточнение или ограниченный пилот.

Python 88.9%JavaScript 8.8%HTML 1.7%Остальное 0.6%
Состав репозитория · снимок GitHub 19.10.2026
Исходники закрыты
Как устроен проект

От источника до предложения

RSS, API и разбор страниц сводят объявления к карточкам. Telegram поступает через TDLib-сборщик Teleastra. Для задачи сохраняются оригинал, маршрут отклика, необходимость входа и известные условия оплаты доступа.

Моя роль и проверенный результат

Проектирую процесс поиска и управляю реализацией. На реальном заказе проверен полный проход: исходное объявление → анализ → предложение пилота с границами и приёмкой → сохранённый черновик. Отправка остаётся отдельным управляемым этапом.

Польза за пределами поиска работы

Та же архитектура подходит для мониторинга лидов и входящих заявок: происхождение данных, очередь, восстановление после ошибок и AI-решение с проверяемыми основаниями. Агент оценивает реальную пользу автоматизации, а не предлагает разработку для любой простой задачи.

04 / MACOS ENGINEERINGОткрытый код

VibeWine

Разобраться глубже,
чем «не запускается».

Инженерия совместимости Windows-приложений с macOS на базе Wine и DXMT. Исследую ошибки Windows API, окон и графического стека, организую исправления и воспроизводимые проверки конкретных дефектов.

C++ 51.4%C 39.8%Objective-C 4.8%Остальное 4.0%
Состав репозитория · снимок GitHub 19.10.2026
Включая сторонний код; доли не отражают авторство.
Исходники на GitHub ↗
Как устроен проект

Конкретные задачи

В проекте разобраны зависание перечисления объектов из-за ABI, геометрия окон при Retina/DPI и обработка изменяющихся списков графических режимов. Для изменений сохраняются регрессионные сценарии.

Моя роль и результат

Задаю направление диагностики, организую исправления и проверку. Общие изменения отделены от профилей игр; версии компонентов закреплены, происхождение upstream-исправлений сохранено. Опубликованы исходники, патчи и материалы проверок.

Переносимый опыт

Поиск причины нестабильного поведения на границе нескольких компонентов, воспроизводимость и регрессионная проверка. Совместимость оценивается для конкретного приложения и сборки; публичный репозиторий представляет инженерное рабочее пространство.

05 / AGENT TOOLINGОткрытый код

Agent-First Mac

Агенту — инструменты.
Человеку — контроль.

Рабочая среда AI-агента на macOS: диагностика окружения, ограниченные операции и восстановление после сбоев. Действия привязаны к конкретным компонентам, а результат проверяется и сохраняется.

Python 90.1%Swift 7.8%Nix 1.1%Остальное 1.0%
Состав репозитория · снимок GitHub 19.10.2026
Исходники на GitHub ↗
Как устроен проект

Проблема

Агенту недостаточно уметь запускать команды: нужно понимать состояние системы, затрагиваемые зависимости и способ восстановления. Неизвестное или устаревшее состояние нельзя считать исправным.

Моя роль и результат

Спроектировал рабочий процесс и организовал реализацию инструментов на Python и Swift. Реализованы компонентная диагностика, проверка входных файлов, ограничения времени и вывода процессов, доставка и восстановление отдельных компонентов.

Где это применимо

Агентные рабочие окружения, обслуживание систем и управляемая автоматизация. Открытый reference-код показывает устройство и проверки; установка на конкретный компьютер требует адаптации окружения.

06 / EDTECHСобственный продукт

MathMaxing

Своя попытка.
Помощь по месту.

Тренажёр по профильной математике: темы, материалы, смешанная практика и варианты ЕГЭ. Ученик делает свою попытку, разбирает затруднение с AI и возвращается к решению, затем проверяет себя на новом самостоятельном варианте.

TypeScriptReact · Node.js · SQLite
Открыть MathMaxing ↗
Как устроен проект

От затруднения к практике

Объяснение, короткая проба и работа над своим решением соединены в один учебный путь. Помощь учитывает конкретное место в записи; после разбора ученик возвращается к своей попытке. Работа и маршрут сохраняются для продолжения занятия.

Моя роль и результат

С AI-агентами спроектировал и собрал учебный сценарий, интерфейс с формулами, AI-наставника и серверное состояние. Проверял сохранение попыток, возврат к записи и переход к новому самостоятельному варианту.

Проверка и самостоятельность

Точные проверки поддержанных ответов и множеств решений отделены от комментария AI к рассуждению. Самостоятельный режим закрывает помощь. Совпадение ответа не выдаётся за проверку доказательства целиком или подтверждённое освоение темы.

Полоски показывают исторический состав репозиториев по байтам кода, включая учитываемые GitHub зависимости. Это не оценка навыков или личного авторства; активные версии проектов могут отличаться.

02 / HOW I BUILD

Максимум результата
на каждый час разработки.

Моя рабочая среда — AI-агенты. Я выстраиваю процесс от исследования до работающего продукта: задаю цель, направляю работу и проверяю то, что получает пользователь.

Под каждую задачу меняется и способ разработки. Где-то достаточно готового компонента, где-то нужны конкурирующие прототипы, а где-то — целая команда агентов с независимой проверкой.

  1. 01

    Адаптивная оркестрация

    Модель выбирает декомпозицию, роли и глубину работы по сложности задачи. Полезные ветки выполняются параллельно и могут рекурсивно делегировать подзадачи.

  2. 02

    Общий план, гибкий маршрут

    Граф зависимостей — DAG — связывает этапы, проверки и результат. Новые данные меняют план: сначала исследование, прототип или реализация — в зависимости от того, что сейчас снимает неопределённость.

  3. 03

    Переиспользование с расчётом

    Ищу подходящие решения, включая небольшие open-source проекты. Сравниваю интеграцию и сопровождение со своим кодом, чтобы время уходило на пользу продукту.

  4. 04

    Проверка до результата

    Независимое ревью, реальные сценарии и проверенные этапы в Git. Моя работа — удерживать цель и доводить части до системы, которой можно пользоваться.

Резюме: опыт, проекты и рабочий подход ↗

03 / LET’S BUILD SOMETHING

Есть задача?
Давайте разберёмся.

Автоматизация, AI-инструменты или продукт,
который давно хочется собрать.

НАПИСАТЬ В TELEGRAM@SlopSurfer ↗