Python-бэкенд · интеграции · прикладной ИИ
Открыт к работе

Собираю бэкенд и интеграции, которые живут после запуска.

Беру сырой бриф и довожу его до сервиса: API, интеграции, автоматизация и LLM-функции.

Удалёнка или гибрид. Полная занятость или выборочные контракты на сложные интеграции.

Роман Матвеев
Коммерческий опыт
5+ лет

Бэкенд, интеграции, автоматизация и прикладной ИИ в продакшене.

Продукт с LLM
500+ моделей

Собрал живой каталог для исследования и сравнения моделей.

Инженерный фокус
Надежность + скорость

Делаю системы, которые можно масштабировать и спокойно сопровождать.

Кейсы

Избранные проекты

Кейсы, рассказанные как проблема -> решение -> результат.

2025-2026

Каталог моделей nnzen

Соло

Живой каталог с 500+ карточками моделей, чтобы выбирать LLM без ручного сравнения по куче вкладок.

Каталог
500+ карточек моделей
Поток данных
Автообогащение
Формат
Онлайн-сервис
Поверхность выбора

Все важные числа собраны в одном месте.

Не нужно собирать картину по кускам вручную.

Задача: Данные о моделях были разбросаны по разным источникам, поэтому цены, контекст, ограничения и сигналы качества приходилось сверять вручную.

Результат: Выбор модели стал делом одной страницы, а не десятка вкладок.

PythonFastAPILLM APIsRAGVector DB / pgvector
2025

Кастомное агентное ядро с MCP

Соло

LLM-ядро и слой плагинов для ассистента разработчика: горячая перезагрузка, цепочки инструментов и явная передача контекста.

Модель плагинов
Горячая перезагрузка
Выполнение
Передача контекста
Поверхность
CLI + API
Ядро выполнения

Плагины могут развиваться без перезапуска всего ассистента.

Это устойчивая исполнительная основа, а не одноразовая демо-игрушка.

Задача: Когда ассистент становится сложнее, плагины тяжело развивать, а оркестрация быстро хрупнет.

Результат: Вместо разового прототипа получилось переиспользуемое ядро, на которое можно наращивать новые сценарии и инструменты без полной переписки.

PythonFastAPIMCPTool callingLLM APIs
2024

Автоматизация сделок для игрового маркетплейса

Соло

Автоматизация для внешней площадки с жёсткими ограничениями: стратегия исполнения, контроль операций и логирование.

Процесс
От начала до конца
Контроль
Слой стратегии
Среда
Внешняя платформа
Операционный цикл

Исполнение идёт через сервисную логику, а не через хрупкую UI-автоматизацию.

Смысл не в трюках автоматизации, а в контролируемом цикле, логах и стратегии.

Задача: Платформа была достаточно нестабильной, и наивные скрипты ломались очень быстро.

Результат: Система продолжала работать под внешними изменениями вместо того, чтобы рассыпаться.

PythonFastAPIREST APIs / WebhooksReverse engineering
2021-2023

Устойчивый сбор данных

Продуктовая команда

Инструменты сбора данных для меняющейся веб-среды с постоянным антибот-трением.

Контекст
Сложная веб-среда
Фокус
Устойчивость
Подход
HTTP + JS анализ
Модель устойчивости

Надёжность начинается с понимания потока запросов.

Стабильность выросла благодаря сетевому и JavaScript-анализу, а не бесконечным ретраям.

Задача: Обычные подходы к сбору постоянно ломались из-за дрейфа страниц, клиентской логики и защитных механизмов.

Результат: Стало меньше тушения пожаров и больше предсказуемости в извлечении.

PythonWeb scrapingReverse engineeringPlaywright
Почему я подхожу

Основной профиль

Сейчас ищу Python-бэкенд-роль, где нужны сервисная архитектура, интеграции и спокойная работа в проде.

Фокус: Python-бэкенд с сильной частью по интеграциям и эксплуатации.

Целевая роль
Python Backend EngineerIntegration & Automation EngineerApplied AI EngineerAI Tooling Engineer
Ключевые навыки
PythonFastAPIDjango / DRFSQLPostgreSQLRedisPydanticDocker / Docker ComposeBackground jobs / CeleryBeautifulSouppandas / ETLClickHouse
Инфраструктура
  • Уверенно работаю с Linux, Docker и деплоем через Caddy / Nginx.
  • В инфраструктуре держу практичный подход: самостоятельно развёрнутые решения и понятные границы ответственности.
Опыт

Опыт

Опыт описан через проблему, решение и результат: что было рискованно, какое решение я выбрал и что изменилось после релиза.

фев 2024 — сейчас

Инженер бэкенда и интеграций

Фриланс

Контракт · беру задачи под ключ

Проектирую и запускаю бэкенд, интеграции и автоматизацию для живых процессов: внешние API, сервисная логика, RAG и вызов инструментов, контроль качества в продакшене.

  • Разбираю сырой бриф и превращаю его в сервис с понятными границами.
  • Делаю интеграции устойчивыми: ошибки, ретраи, логи, наблюдаемость.
  • Собираю решение так, чтобы новые сценарии добавлялись без боли.
PythonFastAPIREST APIs / WebhooksDocker / Docker ComposeLLM APIsRAG
мар 2023 — янв 2024

Инженер самостоятельных исследований

Собственные проекты / R&D

Самостоятельные исследования

Между контрактами добирал прикладной ИИ и бэкенд-архитектуру через прототипы и небольшие сервисы. Брал только то, что потом можно было использовать в боевых задачах.

  • Проверил сценарии RAG и вызова инструментов на рабочих прототипах до клиентского использования.
  • Ушел от одноразовых скриптов к переиспользуемым сервисным компонентам.
  • Собрал практическую базу для проектов по прикладному ИИ и AI-инструментам.
PythonLLM APIsRAGMCPTool calling
май 2021 — фев 2023

Инженер по исследовательскому сбору данных

Bright Data

Полная занятость

Разрабатывал и поддерживал инструменты сбора данных в меняющейся веб-среде: анализ HTTP/JavaScript, устойчивые потоки запросов и быстрая адаптация.

  • Разбирал нестабильные цепочки запросов и превращал их в более устойчивую логику извлечения.
  • Сохранял качество извлечения при изменении антибот-защиты и структуры страниц.
  • Работал на стыке реверс-инжиниринга, надёжности и скорости поставки.
PythonReverse engineeringWeb scrapingPlaywright
сен 2019 — май 2021

Разработчик Python

Фриланс

Контракт

Делал Python-инструменты, парсеры и автоматизацию для внутренних процессов с грязными данными и меняющимися требованиями.

  • Автоматизировал повторяющиеся операции и уменьшал ручную работу в потоках с данными.
  • Собирал сервисные утилиты и парсеры под нестабильные интеграции.
  • Быстро доводил Python-инструменты до состояния, где их можно было поддерживать дальше.
PythonWeb scrapingpandas / ETL
Подход

Подход

Мне ближе задачи с неидеальной реальностью: нестабильные внешние API, неудобные процессы и AI-слой поверх живых операций. Моя цель — сделать поставку предсказуемой и поддерживаемой.

Что я люблю строить
  • Python-бэкенд с понятными API-контрактами
  • Интеграции и автоматизация для ненадёжных внешних систем
  • Прикладные ИИ-функции (LLM API, RAG, вызов инструментов), которые реально встраиваются в процесс
  • Наблюдаемость, отладка и поддержка после запуска
Сначала ограничения

Я начинаю с внешних систем, данных, операционного риска и цены поддержки.

Простые системы живут дольше

Мне нравятся системы, где поток данных и границы отказов видны сразу.

Продакшен — это проверка

Решение готово, когда его можно мониторить, отлаживать и безопасно развивать.

Хорошая поставка накапливается

Хороший бэкенд убирает ручную рутину и делает следующий релиз дешевле.

Экосистема

Экосистема вокруг работы

Помимо прямой поставки, я много думаю об инструментах, исследовательских процессах и о том, как инженерные системы выглядят со стороны пользователя.

nnzen.com

Продуктовый эксперимент на стыке AI-исследований и UX для разработчиков.

Открыть

Инструменты для агентов

Изучаю вызов инструментов, MCP и циклы исполнения для ассистентов разработчика.

Подача через кейсы

Показываю работу через схему «задача -> решение -> результат», а не через стену логотипов стека.

Сейчас исследую
  • наблюдаемость для AI-процессов
  • интерфейсы для сложных систем
  • как сделать AI-инструменты быстрыми и предсказуемыми
Задайте вопрос

Поговорить о проектах, системах и инженерных компромиссах

Если удобнее спросить напрямую, ассистент отвечает по публичным кейсам и решениям, стоящим за ними.

Открыть AI-чат
Контакт

Есть сложный бриф? Давай превратим его в рабочую систему.

Лучше всего я помогаю там, где бриф сырой, системы уже живые, а результат должен спокойно пережить продакшен.

Удалёнка или гибрид. Открыт к полной занятости и выборочным контрактам.