Примеры работ и кейсы по направлению «Разработка сайтов»

Задача: браузерная платформа культовых ретро-игр с рекордами и профилями. Что сделал: · собрал 6 игр: Battle City, Contra, Pac-Man, Snake, Tetris, Tennis · написал собственный игровой движок: GameEngine, Renderer, InputManager, канвас-рендер · встроил NES-эмулятор, чтобы оригинальные ROM-игры шли прямо в браузере · сделал страницы игр с управлением, таблицу рекордов, профили и авторизацию Стек: React, TypeScript, Vite, Canvas API, NES-эмулятор Результат: рабочая платформа, игры запускаются в браузере без установки

Задача: реалтайм-игра, где два игрока соревнуются, чей промпт точнее сгенерирует картинку под задание. Что сделал: · игровой сервер на Fastify и Socket.IO: быстрая игра, комнаты с 6-значным кодом, режим зрителя · объективное судейство: отдельный CLIP-сервис на Python сравнивает картинку с заданием и считает скор · аккаунты и гостевой вход, сезонный рейтинг и лидерборд на Supabase · масштабирование через Redis-адаптер, хранение картинок в S3 · локализация RU/EN, e2e-тесты Стек: Next.js, TypeScript, Fastify, Socket.IO, Supabase, Redis, Python (CLIP), Docker Результат: играбельный мультиплеер с рейтингом

Задача: корпоративный сайт студии, которая делает ботов и мини-приложения для мессенджера MAX. Что сделал: · дизайн и вёрстка: тёмная тема, анимации Framer Motion, интерактивный мокап бота в первом экране · разделы: услуги, тарифы, кейсы, миграция из Telegram, блог на контентных файлах · статический экспорт: сайт собирается в чистую статику и летает без сервера · форма заявки через Web3Forms, SEO-разметка, полный адаптив Стек: Next.js 15, TypeScript, Tailwind CSS 4, shadcn/ui, Framer Motion Результат: готовый сайт со статическим экспортом

Задача: автоматизировать поиск вакансий и отклики на hh.ru, оставив финальное решение за человеком. Что сделал: · сканер вакансий на Playwright: обходит поисковые запросы по расписанию, дедуплицирует · LLM-оценка каждой вакансии против резюме: скор и текстовое обоснование · автогенерация сопроводительных писем и ответов на анкеты вакансий · операторский дашборд: очередь заявок, правка письма, одобрить или отклонить · отправка откликов реальным браузером только после одобрения (human-in-the-loop) · кампании с разными резюме, порогами скора и правилами писем Стек: TypeScript, NestJS, Next.js, Playwright, OpenRouter API, PostgreSQL Результат: рабочий конвейер от поискового запроса до отправленного отклика

Задача: собирать вакансии с нескольких площадок и находить релевантные по одному текстовому описанию. Что сделал: · написал парсеры трёх источников (hirehi, hirify, getmatch) с дедупликацией и запуском по расписанию · сделал поиск одной строкой: LLM разбирает свободный запрос в фильтры и запрос к Elasticsearch · собрал веб-интерфейс на Next.js: карточки вакансий, скрытие ненужных, живой счётчик базы через SSE · добавил генерацию сопроводительного письма и раскрытие контактов прямо из выдачи · упаковал в Docker: Elasticsearch, PostgreSQL, парсер Стек: TypeScript, Next.js, Node.js, Elasticsearch, PostgreSQL, Docker, LLM API Результат: рабочий агрегатор с автопополнением базы

Задача: тренировать прохождение интервью с живой оценкой ответов. Что сделал: · спроектировал многоэтапный движок: вступление, теория, задачи, оценка, отчёт · сделал стриминг ответов LLM через прокси на Supabase · встроил оценку ответов в реальном времени с авто-доп-вопросами · добавил голосовой режим через Web Speech API и окно на 40 сообщений для контекста Стек: React, TypeScript, Supabase, Groq API, LLaMA 3.3 70B Результат: рабочий симулятор с голосовым режимом

Задача: сделать агента, который сам анализирует рынок и принимает торговые решения. Что сделал: · реализовал полный цикл агента: данные рынка, сентимент новостей, индикаторы, решение LLM, ордер · написал свой gRPC-клиент к Claude с авто-переавторизацией и retry · встроил самоанализ: после каждого цикла агент оценивает решения и корректирует уверенность · добавил мульти-рынок: акции Мосбиржи через Tinkoff Invest API, крипта, форекс Стек: Python, asyncio, gRPC, Tinkoff Invest API, Claude Sonnet Результат: рабочий автономный цикл торговли

Задача: автоматизировать поиск лидов, обогащение и персональные письма. Что сделал: · построил full-stack платформу: импорт лидов, обогащение, генерация писем, рассылка · собрал базу знаний с поиском: полнотекстовый поиск в PostgreSQL плюс LLM-реранкер · подключил LLM через gRPC: классификатор лидов, генератор писем, реранкер · сделал асинхронный пайплайн на Celery и Redis: найти, обогатить, сгенерировать, отправить · разработал админку на Next.js: лиды, база знаний, мониторинг рассылок Стек: Python, FastAPI, SQLAlchemy async, Celery, Redis, PostgreSQL, Next.js, gRPC Результат: рабочий пайплайн от лида до отправленного письма

Задача: превращать обычное сообщение в структурированную задачу в трекере. Что сделал: · написал бота: пользователь пишет свободным текстом, бот создаёт готовый issue · собрал RAG по коду: бот читает дерево репозитория, выбирает нужные файлы, кладёт их в промпт · сделал классификацию задач: вручную и через LLM (bug, feature, improvement, task, question) · добавил кеш дерева файлов и мультиюзерные workspace с привязкой токенов Стек: Python, aiogram 3, aiohttp, OpenRouter API, GitHub API, GitLab API, Docker, Railway Результат: развёрнут как production-сервис

Задача: помогать на собеседовании в реальном времени, подсказывать ответы по ходу разговора. Что сделал: · разработал кроссплатформенное приложение под Windows, macOS, Linux · сделал живую транскрипцию аудио, детект вопросов, подсказки в формате STAR · разделил архитектуру на слои UI, Infrastructure, Platform · подключил STT через Supabase: стриминговая и офлайн транскрипция, калибровка · закрыл фичи за платным планом через проверку доступа на бэкенде · сделал privacy-first: запись только после согласия, хранение выключено по умолчанию Стек: C#, .NET 8, Avalonia UI, Supabase Edge Functions, Groq API, Whisper, LLaMA Результат: рабочая сборка с инсталлятором и авто-обновлением