Дмитро

Дмитро Тунгасов
AI Engineer / Vibe Coding Engineer
Про себе
Практичний AI Engineer із досвідом створення AI-рішень та автоматизації внутрішніх бізнес-процесів. Самостійно проходжу повний цикл розробки — від аналізу задачі та створення PoC до тестування, розгортання та підтримки робочого інструменту.
Щодня використовую Claude, ChatGPT та Cursor для Vibe Coding: декомпозиції задач, генерації та аналізу коду, швидкого прототипування, пошуку помилок та ітеративного покращення рішень.
Маю практичний досвід створення AI-агентів, RAG-рішень, embeddings, semantic search та локальних LLM через Ollama. Створював внутрішні інструменти, які автоматизують повторювані робочі процеси та використовуються співробітниками.
Сильна сторона — швидко перетворювати бізнес-задачу на робочий прототип, критично перевіряти результат AI та доводити рішення до стабільного стану.
Досвід
AI-assisted розробка та автоматизація
2025 — теперішній час
AI Knowledge Assistant — автоматизація роботи з внутрішніми знаннями
Проблема:
Співробітники регулярно зверталися до Lead та відповідальних за проєкти з однотипними питаннями. Необхідна інформація вже була у внутрішніх презентаціях та інструкціях, але її потрібно було щоразу знаходити вручну.
Рішення:
Самостійно розробив AI-агента, який автоматизує пошук інформації та відповіді на запитання співробітників безпосередньо у робочому чаті.
• Дослідив та порівняв різні підходи: FAQ, чат-бот, локальна LLM через Ollama та RAG.
• З нуля створив AI-агента для роботи з внутрішньою базою знань.
• Реалізував embeddings та semantic search для пошуку інформації за змістом.
• Побудував RAG-підхід для формування відповідей на основі релевантного контексту.
• Реалізував завантаження та оновлення презентацій та внутрішніх інструкцій.
• Система працює з великими матеріалами, зокрема з Google-презентаціями обсягом близько 120 слайдів.
• Інтегрував бота з робочим чат-середовищем: користувач тегує бота та ставить запитання у звичайній формі.
• Реалізував confidence / оцінку впевненості відповіді.
• Якщо AI недостатньо впевнений у відповіді, бот автоматично тегує відповідального співробітника для перевірки.
• Реалізував human-in-the-loop для контролю невпевнених результатів.
• Створив адміністративну панель для керування базою знань, інструкціями, проєктами та відповідальними.
• Додав статистику: кількість запитань, час відповіді, confidence моделі, черга та результати перевірки.
• Аналізував помилки та покращував промпти й логіку роботи системи на основі реального фідбеку.
• Середній час формування відповіді — близько 31 секунди.
• Розгорнув систему на Linux-сервері з використанням systemd та Traefik.
• Вів задачі та проблеми в Jira.
• Підготував технічну документацію та інструкції.
Результат:
Автоматизовано частину повторюваних запитів до відповідальних за проєкти. Співробітники отримують відповіді безпосередньо у робочому чаті, а невпевнені AI-відповіді передаються людині для перевірки.

Chrome Extension — автоматизація роботи з текстовими полями
Самостійно розробив внутрішній інструмент для прискорення роботи співробітників із текстовими полями.
• Розробив Chrome Extension із системою T9-підказок.
• Реалізував локальний словник та smart search за частиною слова.
• Додав пошук із врахуванням схожих українських літер.
• Реалізував сортування підказок за частотою використання.
• Створив категорії підказок: Objects / Actions / Phrases.
• Реалізував масовий імпорт та редагування даних.
• Додав Ctrl+Z, індикатор збереження та лічильники записів.
• Опрацював поведінку інструменту після оновлення.
• Обмежив роботу розширення необхідними сторінками.
• Тестував різні сценарії, знаходив помилки та покращував функціональність на основі фідбеку користувачів.
• Вів задачі та проблеми в Jira.
• Підготував документацію та інструкції.
Результат:
Створено робочий інструмент для автоматизації повторюваних операцій, який використовується співробітниками у щоденній роботі.

Дослідження та прототипування AI-рішень
• Самостійно знаходив потенційні сценарії застосування AI для автоматизації внутрішніх процесів.
• Досліджував та порівнював різні AI-підходи перед реалізацією.
• Створював PoC для перевірки технічної реалізованості ідей.
• Порівнював якість, швидкість та стабільність різних моделей та архітектур.
• Визначав, де доцільно використовувати LLM, а де достатньо звичайної програмної логіки.
• Ітеративно покращував рішення на основі результатів тестування та фідбеку користувачів.
• Швидко освоював нові інструменти за допомогою AI.
AI / LLM
• Claude
• ChatGPT
• Cursor
• AI Agents
• LLM
• RAG
• Embeddings
• Semantic Search
• Ollama
• Локальні LLM
• Prompt Engineering
• Confidence / оцінка впевненості
• Human-in-the-loop
• AI Evaluation
• AI-assisted development
• Vibe Coding
• Прототипування AI-рішень
• Автоматизація бізнес-процесів
Розробка
• JavaScript
• Chrome Extensions
• DOM / UI
• HTTP / REST
• Client-server architecture
• Linux / Unix
• systemd
• Traefik
• Базове розуміння веб-розробки
• Базове розуміння мережевих технологій
• Технічна документація
Інструменти
• Claude
• ChatGPT
• Cursor
• Ollama
• Jira
AI-assisted / Vibe Coding
• Декомпозиція складних задач
• Генерація та аналіз коду за допомогою AI
• Ітеративне написання промптів
• Перевірка AI-generated коду
• Пошук та виправлення помилок у згенерованому коді
• Швидке створення PoC
• Перетворення PoC у робочі інструменти
• Освоєння нових технологій за допомогою AI-інструментів
• Ітеративне покращення існуючих рішень
Найсильніші практичні результати
AI Knowledge Assistant
Повний цикл створення AI-рішення:
аналіз бізнес-проблеми → дослідження підходів → PoC → embeddings → semantic search → RAG → confidence → human-in-the-loop → інтеграція з робочим чатом → адмін-панель → deployment → тестування → production.
Ключові показники:
• робота з внутрішніми матеріалами обсягом до ~120 слайдів;
• середній час відповіді — близько 31 секунди;
• автоматична передача невпевнених відповідей відповідальному співробітнику;
• використання реальними співробітниками.
Chrome Extension
Повний цикл створення внутрішнього інструменту автоматизації:
ідея → PoC → розробка через AI → тестування → виправлення → документація → використання в реальній роботі.
Мови
• Українська — вільно
• Російська — вільно
• Англійська — A1–A2: читаю технічну документацію та використовую AI/перекладачі для роботи з англомовними матеріалами