Automation & AI Systems Engineer · open to full-time & freelance, remote onlyІнженер з автоматизації та AI-систем · відкритий до full-time і фрилансу, тільки remote
I build systems that keep running after I've moved on.Я будую системи, які продовжують працювати навіть коли мене вже немає поруч.
Production automations across trading execution, CRM lead capture, AI content publishing, market monitoring, real-time translation, data aggregation. Every one is deployed, monitored and self-healing. Not a sandbox demo: these have real uptime, real failure modes, and real fixes behind them.Продакшн-автоматизації в торгівлі, захопленні лідів у CRM, публікації AI-контенту, моніторингу ринку, перекладі в реальному часі, агрегації даних. Кожна — задеплоєна, під моніторингом і self-healing. Не sandbox-демо: за кожною стоїть реальний uptime, реальні збої і реальні виправлення.
Engineering for production-grade automationІнженерія для автоматизації продакшн-рівня
I take systems from architecture to live deployment, with monitoring, alerting and documentation included.Веду системи від архітектури до живого деплою — з моніторингом, алертами й документацією в комплекті.
WF
Workflow AutomationАвтоматизація процесів
n8n at expert level: custom nodes, SDK, MCP integrations, multi-branch pipelines with human-in-the-loop approvals.n8n на рівні expert: кастомні ноди, SDK, MCP-інтеграції, багатогілкові пайплайни з human-in-the-loop підтвердженням.
AI
AI Agent SystemsAI-агентні системи
Multi-model orchestration (Claude, GPT, Gemini), vision and voice pipelines, prompt engineering and cost optimisation.Мультимодельна оркестрація (Claude, GPT, Gemini), vision- і voice-пайплайни, prompt engineering та оптимізація вартості.
CRM
CRM & RevOpsCRM і RevOps
GoHighLevel from zero to production: missed-call text-back, nurture sequences, booking, webhook lead capture.GoHighLevel від нуля до продакшну: missed-call text-back, nurture-послідовності, бронювання, webhook-захоплення лідів.
ETL
Data PipelinesПайплайни даних
Multi-source ingestion with AI relevance scoring, deduplication and reliable scheduling that survives a sleeping machine.Збір з кількох джерел з AI-оцінкою релевантності, дедуплікацією і надійним плануванням, що переживає сон машини.
Built different: reliability firstЗбудовано інакше: надійність понад усе
Self-healing production servicesПродакшн-сервіси, що самовідновлюються
My systems don't just deploy. They survive. Every service ships with health checks, watchdogs and alerting.Мої системи не просто деплояться — вони виживають. Кожен сервіс має health checks, watchdog і алерти.
macOS launchd services with health-check endpointsmacOS launchd-сервіси з health-check ендпоінтами
Watchdog monitoring via n8n + Telegram alertsWatchdog-моніторинг через n8n + Telegram-алерти
Automatic process recovery after crashesАвтоматичне відновлення процесу після падінь
P3 execution path, with the watchdog branchШлях виконання P3 із гілкою watchdog
Vision routing per batch: $0.31 to $0.09Маршрутизація vision: $0.31 до $0.09
Multi-model AI, optimised for costМультимодельний AI, оптимізований під вартість
Hybrid pipelines route work to the cheapest model that can do it well, without sacrificing accuracy.Гібридні пайплайни спрямовують задачу до найдешевшої моделі, яка впорається — без втрати точності.
Hybrid Gemini Flash + Claude Sonnet vision pipelineГібридний vision-пайплайн Gemini Flash + Claude Sonnet
Roughly 70% lower inference cost per requestПриблизно на 70% нижча вартість inference за запит
Prompt engineering, fallbacks and cost monitoringPrompt engineering, fallback-и й моніторинг вартості
Real-time voice and WebSocket systemsVoice-системи в реальному часі та WebSocket
Bidirectional voice translation for live calls across three AI voice APIs, engineered for latency.Двосторонній голосовий переклад для дзвінків через три voice AI API — інженерія заради затримки.
Alibaba Qwen + OpenAI Realtime + Google Gemini Live
Latency reduced from 15 seconds to 3Затримка знижена з 15 секунд до 3
Real-time artifact elimination and voice-cloning fixesУсунення артефактів у реальному часі та виправлення voice-cloning
Round-trip translation latency, to scaleЗатримка перекладу в обидва боки, у масштабі
Engineering stackІнженерний стек
Tools I ship withІнструменти, з якими я доставляю в продакшн
Grouped the way I use them: how I build, orchestration, intelligence, and the infrastructure underneath.Згруповано так, як я їх реально використовую: як будую, оркестрація, інтелект і інфраструктура під капотом.
AI-native developmentAI-native розробка
Claude Code · daily driverClaude Code · щоденний інструментAntigravityCursorcritical review of AI-generated codeкритичний рев'ю AI-згенерованого коду
Zoomreal-time voice translationпереклад голосу в реальному часі
X / Redditscraping + AI scoringскрапінг + AI-оцінка
SystemsСистеми
Case studies with measurable resultsКейси з вимірюваним результатом
Self-initiated production systems, owned end to end, from architecture to monitoring.Самостійно ініційовані продакшн-системи, від архітектури до моніторингу — усе під власну відповідальність.
status: live · self-healing
Trading · Python
P3 Trade Executor
Backtested a trend-following strategy (SHORT + SMA trend filter + risk management) against 1,249 historical signals before writing a line of execution code, then built the service that trades it: a Telegram signal listener on Telethon, an order-execution service on Binance's Algo Order API, and a watchdog that alerts me within ten minutes if the executor stops answering. It survives the failure mode that actually matters for something trading real money while you sleep: a silent process death.Забектестив trend-following стратегію (SHORT + SMA-фільтр тренду + risk management) на 1,249 історичних сигналах ще до написання коду виконання, а тоді збудував сервіс, що нею торгує: Telegram-сигнал-лістенер на Telethon, сервіс виконання ордерів через Binance Algo Order API, і watchdog, що алертить мене за десять хвилин, якщо екзекютор перестає відповідати. Він переживає режим збою, який справді має значення, коли реальні гроші торгують, поки ти спиш — тиху смерть процесу.
OUTRuns as a self-restarting system service, not a background script. Recovery verified by killing it.Працює як self-restarting системний сервіс, а не фоновий скрипт. Відновлення перевірене вбивством процесу.
An end-to-end monitoring service that watches two listing sources, filters by real commute distance, and flags likely fakes in a market with no listing API and inconsistent addresses. I built a self-hosted geocoding stack (Nominatim + Overpass on a custom OSM extract) after the public services proved too flaky, and a two-stage vision pipeline where a cheap model triages every photo and a stronger one only looks at what earns a second opinion.Наскрізний моніторинг-сервіс, що стежить за двома джерелами оголошень, фільтрує за реальною відстанню до роботи й позначає ймовірні фейки — на ринку без API оголошень і з неузгодженими адресами. Я збудував self-hosted геокодинг-стек (Nominatim + Overpass на власному OSM-екстракті) після того, як публічні сервіси виявились занадто нестабільними, і двоступеневий vision-пайплайн, де дешева модель тріажить кожне фото, а сильніша дивиться тільки на те, що заслужило другу думку.
OUTCut AI vision spend by roughly 70% with no change to what the end user saw.Скоротив витрати на AI vision приблизно на 70% без жодної зміни для кінцевого користувача.
PythonFastAPIPostgreSQLDockerGeminiClaudeOSM
-70%vision cost via hybrid AI pipelineвартість vision через гібридний AI-пайплайнsource ->код ->
status: built · 3 engines
Real-time · Voice AI
Voice Translation for Zoom
Real-time two-way voice translation for video calls, built across three different realtime AI APIs as each proved better or worse at a different leg of the problem. Most of the engineering turned out to be audio, not AI: virtual routing, jitter buffers, voice-activity tuning, and a choppy-playback bug that traced back to Bluetooth silently switching codecs mid-call. Shipped with a web control panel.Двосторонній голосовий переклад для відеодзвінків у реальному часі, збудований на трьох різних realtime AI API — кожен виявився кращим чи гіршим на своїй ділянці задачі. Більшість інженерії виявилась не в AI, а в аудіо: віртуальний роутинг, jitter buffer-и, тюнінг voice-activity і баг з хрипким звуком, що звівся до тихого перемикання Bluetooth-кодека посеред дзвінка. Задеплоєно з веб-панеллю керування.
OUTRound-trip translation latency down from roughly 15 seconds to 3.Затримка перекладу в обидва боки знижена приблизно з 15 секунд до 3.
A 34-node n8n workflow that turns a topic dropped into Telegram into a published LinkedIn post. Claude drafts the copy in two languages against real copywriting frameworks, Gemini generates the image, and a human approves or sends it back for a rewrite with a single tap. Stateless by design: n8n's task-runner mode won't persist workflow state, so the state lives in the message thread itself.34-нодовий n8n-воркфлоу, що перетворює тему, скинуту в Telegram, на опублікований пост у LinkedIn. Claude пише копірайт двома мовами за реальними copywriting-фреймворками, Gemini генерує зображення, а людина одним тапом апрувить або повертає на переробку. Stateless за дизайном — n8n task-runner mode не персистить стан воркфлоу, тож стан живе в самій гілці повідомлень.
OUTFull draft to publish loop, including a reject-and-regenerate cycle that never restarts the workflow.Повний цикл від чернетки до публікації, включно з reject-and-regenerate циклом, що ніколи не перезапускає воркфлоу.
n8nClaude APIGeminiLinkedIn APITelegram Bot API
0nodes in one orchestrated workflowнод в одному оркестрованому воркфлоу
status: shipped · client-ready
RevOps · GoHighLevel
CRM Automation Suite
Production GoHighLevel workflows for a service business: a missed-call text-back flow that sends exactly one message to the customer (every follow-up and escalation stays internal, to staff), plus multi-step lead nurture, appointment booking with relative reminders, and webhook-based custom lead-capture forms. Where the platform's native form couldn't be restyled, I replaced it with a webhook trigger: full design control, same CRM automation underneath.Продакшн GoHighLevel-воркфлоу для сервісного бізнесу: missed-call text-back флоу, що надсилає клієнту рівно одне повідомлення (усі follow-up і ескалації лишаються всередині, для персоналу), плюс багатоступеневий lead nurture, бронювання з відносними нагадуваннями і webhook-based кастомні форми захоплення лідів. Там, де нативну форму платформи не можна було переоформити, я замінив її webhook-тригером: повний контроль над дизайном, та сама CRM-автоматизація під капотом.
OUTCaught and redesigned a real logic flaw mid-build: customers were promised a callback 30 minutes before staff were told about it.Спіймав і переробив реальну логічну ваду посеред білда: клієнтам обіцяли передзвін на 30 хвилин раніше, ніж про це дізнавався персонал.
GoHighLevelWebhooksn8nREST APIMCP
0manual follow-ups requiredручних follow-up потрібно
status: live · scheduled
Data · Scraping
Multi-Source Aggregation Bots
Scrapers across X, Reddit, Telegram and niche job boards, with Claude scoring each item for relevance, intelligent deduplication, and scheduling that survives a laptop going to sleep. Several sources fought back: datacenter IPs blocked, undocumented APIs ignoring their own filter parameters. So each one needed its own approach rather than a single generic scraper.Скрапери X, Reddit, Telegram і нішевих джоб-бордів, де Claude оцінює релевантність кожного айтема, дедуплікація і планування, що переживає сон ноутбука. Кілька джерел чинили опір: датацентрові IP блокувались, недокументовані API ігнорували власні параметри фільтрів. Тож кожне потребувало власного підходу, а не одного універсального скрапера.
OUTFive-plus sources collapsed into one deduplicated feed, delivered on schedule without manual runs.П'ять і більше джерел зведені в одну дедупліковану стрічку, доставляється за розкладом без ручних запусків.
PythonSeleniumClaudeSQLitelaunchdn8n
5+sources in one deduplicated feedджерел в одній дедуплікованій стрічці
status: live · hybrid search
RAG · Pinecone
GHL Docs RAG
A hybrid RAG search over GoHighLevel's real documentation: 576 API reference pages scraped from their GitHub repo plus 23 help-center articles, chunked into 599 self-contained pieces (one per API method or article) and indexed in Pinecone with both a dense embedding and a BM25 sparse vector per chunk, merged in one hybrid query (60% semantic / 40% keyword, weighted empirically). Non-English questions are pre-translated before retrieval: the corpus and BM25 vocabulary are English-only, and that alone roughly doubled relevance scores in testing. A confidence gate checks the top match before spending anything on generation: below a 0.20 score, it returns an honest "not sure" instead of a guess. Claude then answers strictly from the retrieved chunks with a citation per claim, and plain code, not the model, verifies each citation actually points to a chunk that was really in context before anything reaches the user.Гібридний RAG-пошук над реальною документацією GoHighLevel: 576 сторінок API-довідника, зіскрейплених з їхнього GitHub-репо, плюс 23 статті довідкового центру, розбиті на 599 самодостатніх шматків (один на API-метод або статтю) та проіндексовані в Pinecone і з dense-ембедингом, і з BM25 sparse-вектором на чанк, злиті в одному hybrid-запиті (60% semantic / 40% keyword, зважено емпірично). Питання не англійською перекладаються перед retrieval — корпус і словник BM25 суто англійські, і сам переклад приблизно подвоїв релевантність у тестах. Confidence gate перевіряє найкращий збіг ще до витрат на генерацію: нижче 0.20 — чесне "не впевнений" замість здогадки. Далі Claude відповідає строго за retrieved-уривками з цитатою на кожне твердження, а звичайний код, не модель, перевіряє, що кожна цитата справді вказує на чанк, який реально був у контексті, перш ніж щось дійде до користувача.
OUTRetrieval eval: 19/20 (95%): the expected document lands in the top 5 on real test questions, reproducible with a checked-in eval script. Applied a lesson from the portfolio's own RAG chat (short, exact queries need a real keyword signal, not just semantic similarity) to a different vector-search stack from day one.Retrieval eval: 19/20 (95%) — очікуваний документ потрапляє в топ-5 на реальних тестових питаннях, відтворювано через checked-in eval-скрипт. Застосував урок з власного RAG-чату портфоліо (короткі, точні запити потребують реального keyword-сигналу, не лише семантичної схожості) до іншого vector-search стеку з першого дня.
Every system, and what it runs onКожна система і на чому вона працює
One map of all eight. Hover any node to see only what it actually touches; click a system to open its case study.Одна мапа всіх восьми. Наведи на будь-яку ноду, щоб побачити лише те, що вона реально торкає; клікни систему, щоб відкрити її кейс.
systemсистемаlayerшарdependencyзалежність
37 nodes · 76 real dependencies · drag to panтягни, щоб роздивитись
Ask this site about my workЗапитай цей сайт про мою роботу
Retrieval over the real case studies. It cites the case it answered from, and says so when it is not sure.Пошук по реальних кейсах. Цитує кейс, з якого відповів, і чесно каже, коли не впевнений.
Numbers that are actually mineЦифри, які справді мої
0
historical signals backtested before any live orderісторичних сигналів у бектесті до першого живого ордера
0
cut in AI inference spend, same output qualityскорочення витрат на AI inference за тієї ж якості
0
faster round-trip translation, 15s down to 3sшвидший переклад в обидва боки, з 15с до 3с
0
nodes in a single stateless production workflowнод в одному stateless продакшн-воркфлоу
How I workЯк я працюю
Automation in three stepsАвтоматизація за три кроки
Self-directed, async-first, documented as I build.Самостійно, async-first, з документацією по ходу білда.
01
Map the processАналізую процес
Audit the workflow, define triggers, success metrics and failure modes before writing a single node.Аудит воркфлоу, визначення тригерів, метрик успіху й режимів збоїв ще до першої ноди.
02
Build & integrateБудую й інтегрую
n8n, REST APIs, LLMs and databases, tested in staging, with decisions documented along the way.n8n, REST API, LLM і бази даних — протестовано на staging, з документованими рішеннями по ходу.
03
Deploy & monitorДеплою й моніторю
Production deployment with health checks, watchdogs and Telegram alerting; iterate on real usage data.Продакшн-деплой з health checks, watchdog і Telegram-алертами; ітерація за реальними даними використання.
Questions recruiters actually askПитання, які рекрутери справді ставлять
Both. I'm open to a permanent full-time role or freelance/contract project work. The one non-negotiable is remote: async-first communication, documented decisions, regular written updates.І те, і те — відкритий до постійної full-time позиції або фриланс/контрактної роботи. Один non-negotiable — remote: async-first комунікація, задокументовані рішення, регулярні письмові апдейти.
What's your timezone and overlap?Який у тебе часовий пояс і overlap?
Ukraine, EET (UTC+2). I flexibly adjust overlap hours for US and EU teams.Україна — EET (UTC+2). Гнучко підлаштовую години перетину під команди в США та ЄС.
What's your English level?Який у тебе рівень англійської?
B1. Solid for reading docs, writing clearly and holding a technical conversation; not yet fluent in fast spoken exchanges. It's part of why I lean async-first: written updates and documented decisions let me communicate at my best.B1 — впевнено читаю документацію, чітко пишу і веду технічну переписку; у швидкому усному темпі ще не вільно. Тому й тяжію до async-first: письмові апдейти й задокументовані рішення — це те, де я комунікую найкраще.
What is your core stack?Який у тебе основний стек?
n8n at expert level (custom nodes, SDK, MCP), Python / FastAPI / PostgreSQL / Docker, production integrations with Anthropic Claude, OpenAI and Google Gemini APIs, and hybrid RAG (Pinecone + pgvector, confidence-gated generation with verified citations).n8n на рівні expert (кастомні ноди, SDK, MCP), Python / FastAPI / PostgreSQL / Docker, продакшн-інтеграції з Anthropic Claude, OpenAI та Google Gemini API, і гібридний RAG (Pinecone + pgvector, генерація з confidence gate і перевіреними цитатами).
Do you only build prototypes?Ти будуєш тільки прототипи?
No. Everything I ship runs in production: health-check endpoints, watchdog monitoring, self-healing restarts and alerting are part of my definition of done.Ні. Усе, що я випускаю, працює в продакшні: health-check ендпоінти, watchdog-моніторинг, self-healing перезапуски й алерти — частина мого definition of done.
How do you handle incidents?Як ти працюєш з інцидентами?
Systematically: silent-failure detection, log-driven debugging of distributed systems, post-incident fixes and documentation, the boring, reliable way.Системно: виявлення тихих відмов, лог-орієнтований дебаг розподілених систем, пост-інцидентні виправлення й документація — нудний, але надійний шлях.
Let's build your automation stack.Збудуймо твій стек автоматизації.
Open to full-time and freelance remote work in automation engineering, AI workflows, integration and RevOps engineering. One email, and I'll show you live systems, not slides.Відкритий до full-time і фриланс remote-роботи в інженерії автоматизації, AI-воркфлоу, інтеграціях і RevOps. Один лист — і я покажу тобі живі системи, а не слайди.
