Active prototype
PercoMonitor
Централизованный мониторинг и сверка СКУД PERCo: два поколения контроллеров, HTTP CGI + WebSocket, полные выгрузки карт, поиск и сравнение.
Открыть кейс →Марат Нугаев · Infrastructure · Automation · AI
Разобраться. Автоматизировать. Довести до рабочего инструмента.
Я IT-инженер с сильной базой системного администрирования и практикой в автоматизации, внутренних сервисах и AI/LLM. Мне нравятся задачи, где нужно исследовать незнакомую систему, убрать ручные операции и собрать решение, которым действительно можно пользоваться.
114карточек SupportKB в принятом baseline
86/86Playwright regression PASS в Wave 3.1
2поколения PERCo в одном мониторе
7production themes на semantic-token контракте
Избранные проекты
От оборудования и сетей до AI-пайплайнов
Я разделяю проекты по фактическому состоянию: production, active development, prototype и personal. Это помогает честно показать, что уже работает, а что ещё развивается.
Production
SupportKB / ОбрКарта
Рабочий инструмент для операторов поддержки: база знаний, offline/PWA, Windows/WebView2, rich text, backup/import/export, новая workspace-оболочка и regression-тесты.
Открыть кейс →Active development
Knowledge Builder
Evidence-first модуль для превращения PDF/DOCX/HTML/MD и web-источников в проверяемые карточки с provenance и обязательным Human Review.
Открыть кейс →Running lab
Ubuntu / AI Lab
Собственная среда Ubuntu 24 с Docker-сервисами, reverse proxy, TLS, firewall, БД, AI gateway, тестовыми стендами и прикладными сервисами.
Открыть инфраструктуру →Working stack
LLM Gateway + Testbench
OpenAI-compatible шлюз к нескольким провайдерам и отдельный стенд проверки моделей: streaming, JSON, tool scenarios, image/TTS smoke.
Открыть кейс →Active service
HH Agent
Мониторинг вакансий с persistent browser profile, дедупликацией и очередями в SQLite, scheduler, Telegram и ручным логином через noVNC.
Открыть кейс →Personal
Книга A4
Личный проект для дочери: художественная книга об истории YouTube-канала A4 — от первых роликов до большого медиапроекта. Здесь важен не стек, а полный путь от идеи до оформленного результата.
Посмотреть проект →More projects
Другие проекты
Avito Monitor, Partner Programs, ЕГЭ-панель, Market Monitor, VPN/Xray gateway, JSearch web API и другие прикладные и исследовательские сервисы.
Смотреть список →Home / VPS Lab
Инфраструктура — тоже проект
Мне важно понимать не только код приложения, но и среду, в которой оно живёт: сеть, reverse proxy, TLS, процессы, данные, логи, доступы и восстановление.
Серверный контур
- Ubuntu 24.04 + Docker Compose + systemd
- Nginx Proxy Manager, HTTPS/TLS и reverse proxy
- UFW / iptables / DOCKER-USER / Fail2ban
- PostgreSQL, Redis, SQLite и persistent volumes
- Healthchecks, контейнерные логи и резервные конфигурации
- Xray, proxy/VPN и split-routing эксперименты
AI-контур
- LiteLLM как OpenAI-compatible точка доступа
- OpenClaw / AutoClaw как исполнители и agent runtime
- Несколько провайдеров и маршрутизация моделей
- LLM Testbench для smoke/compatibility проверок
- Разделение экспериментальных и рабочих сценариев
- Секреты и рискованные действия не встраиваются в публичный код
Обо мне
Инженерный путь: от инфраструктуры к автоматизации и AI
Моя база — системное администрирование: Windows Server, Active Directory, DNS/DHCP/GPO, IIS, терминальные сервисы, виртуализация, сети, 1С, MS SQL Server, резервное копирование и поддержка рабочих мест. Позже к этому добавились Linux, Docker, API, веб-сервисы и базы данных.
Сейчас мне особенно интересны задачи на пересечении этих миров: когда нужно понять реальную инфраструктуру, подключить код и автоматизацию, а AI использовать как рабочий инструмент, а не как замену проверке результата.
Как я работаю
- Сначала фиксирую проблему и проверяемый результат.
- Исследую API, протокол, формат данных или поведение системы.
- Делаю минимальный безопасный прототип и проверяю его на фактах.
- Разбиваю развитие на небольшие этапы с rollback и тестами.
- Не считаю сгенерированный AI код правильным без проверки.
- Чётко отделяю production, prototype и research.
AI-assisted engineering
AI — часть процесса, но ответственность остаётся у инженера
1. АрхитектураChatGPT: анализ задачи, архитектура, stage map, критерии готовности.
2. РеализацияAutoClaw: GLM-5.3 / GLM-5.3 Flash с большим контекстом для coding-задач.
3. Agent runtimeOpenClaw: отдельные контуры, в том числе GPT-5.6 Sol и Terra.
4. ПроверкаRegression, smoke, фактические данные, логи, ручной review.
5. ПринятиеТолько после верификации изменение становится baseline.
Personal projects
Технологии для меня — не только работа
Иногда я делаю проекты просто потому, что идея интересна или может порадовать близких. Для дочери, которая любит канал A4, я сделал художественную книгу об истории канала. Мне нравится этот тип задач: исследовать материал, найти структуру, собрать результат и довести его до законченной формы.
Открыть проект A4