Дмитро

Дмитро Тунгасов
AI Engineer / AI-assisted Developer / Vibe Coding Engineer
Про себе
Практичний AI Engineer / AI-assisted Developer із досвідом створення AI-рішень, автоматизації внутрішніх бізнес-процесів та розробки функціональності у наявних корпоративних системах.
Самостійно проходжу повний цикл роботи над задачею: аналіз вимог, дослідження існуючого коду та даних, створення PoC, реалізація, тестування, робота з базою даних, CI та перевірка у dev / preview середовищах.
Щодня використовую Claude, ChatGPT та Cursor для Vibe Coding: декомпозиції задач, аналізу кодової бази, генерації та перевірки коду, пошуку помилок, швидкого прототипування та ітеративного покращення рішень.
Маю практичний досвід створення AI-агентів, RAG-рішень, embeddings, semantic search та локальних LLM через Ollama. Також працював із React / TypeScript, PostgreSQL / Supabase, SQL-міграціями, Git / GitHub, CI та рольовою моделлю доступу.
Сильна сторона — швидко занурюватися в нову предметну область, перетворювати бізнес-задачу на робоче рішення, критично перевіряти результат AI та доводити функціональність 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 доводилося 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 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.
• 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.

Розробка внутрішньої складської системи
2026
Працював над розвитком складського модуля внутрішньої операційної системи компанії. Виконував задачі у наявній кодовій базі, працював із бізнес-логікою, базою даних, правами доступу, тестуванням та CI.
• Розробляв та доопрацьовував функціональність складського модуля на React / TypeScript.
• Реалізовував сценарії інвентаризації та пошуку товарів за штрихкодом.
• Працював із апаратним сканером штрихкодів через єдиний сценарій введення.
• Працював над карткою товару: штрихкоди, фото, характеристики, залишки, партії та складські дані.
• Аналізував існуючу архітектуру та інтегрував новий функціонал без дублювання вже наявної бізнес-логіки.
• Працював із PostgreSQL / Supabase.
• Працював із SQL-міграціями, views, ролями, permissions та обмеженням доступу до даних.
• Перевіряв поведінку ролей та доступів у preview-середовищі.
• Працював із dev / preview середовищами та діагностував проблеми деплою і міграцій.
• Підготував PWA-функціональність для використання складської системи на планшетах.
• Працював через Git / GitHub: feature-гілки, Pull Request, CI, перевірка конфліктів та підготовка змін до merge.
• Запускав unit та integration тести.
• Виправляв проблеми, знайдені під час тестування та перевірки на реальних даних.
• Працював із існуючими permission-моделями та server-side перевірками доступу.
• Автоматизував формування складських наклейок на основі даних замовлень та складських документів.
• Працював із реальними бізнес-сценаріями складу: відбір товару, палети, наклейки, сканування та інвентаризація.
• Для складних задач використовував AI-assisted development: аналіз кодової бази, пошук причин помилок, декомпозицію та перевірку реалізації.
Результат:
Отримав практичний досвід роботи з великою існуючою кодовою базою, командним процесом розробки, PostgreSQL, CI, permission-моделлю та реалізацією функціональності для реальних складських процесів.

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.

Технології та навички
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
• TypeScript
• React
• DOM / Web UI
• Client-server architecture
• HTTP / REST
• PostgreSQL
• Supabase
• SQL
• SQL migrations
• Database views
• Roles / permissions / access control
• Git / GitHub
• Pull Requests
• CI
• Unit testing
• Integration testing
• PWA
• Chrome Extensions
• Linux / Unix
• systemd
• Traefik
• Технічна документація
AI-assisted / Vibe Coding
• Декомпозиція складних задач
• Аналіз існуючої кодової бази за допомогою AI
• Генерація та аналіз коду
• 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
• Ітеративне покращення існуючих рішень
Інструменти
• Claude
• ChatGPT
• Cursor
• Ollama
• GitHub
• Jira
• Linux

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.
Warehouse / Internal OS
Практична розробка функціональності всередині існуючої корпоративної системи:
аналіз ТЗ та кодової бази → React / TypeScript → PostgreSQL / Supabase → permissions → SQL migrations → tests → PR → CI → preview / dev → перевірка на реальних сценаріях
Ключовий досвід:
• інвентаризація;
• barcode / scanner flows;
• картка товару;
• складські дані;
• SQL views та міграції;
• ролі та permissions;
• PWA для планшетів;
• командний Git / PR / CI workflow.
Chrome Extension
Повний цикл створення внутрішнього інструменту автоматизації:
ідея → PoC → AI-assisted розробка → 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