Максим Ветеран

Максим Яровий
AI-інженер | RAG, LLM-пайплайни, AI-агенти, витягування веб-даних
Локація: Дуррес, Албанія · Віддалено Email: [відкрити контакти](див. вище в блоці «контактна інформація»)
Телефон: [відкрити контакти](див. вище в блоці «контактна інформація») Telegram: t.me/maksicos
LinkedIn: maksim-yarovyi-maksicos GitHub: github.com/MaksicosUA
Мови: українська, російська (рідні) ·
англійська B1 · німецька B1

ПРО СЕБЕ
AI-інженер: будую сервіси пошуку, інструменти для AI-агентів і LLM-пайплайни обробки даних. Проєктую
та підтримую RAG-мікросервіси, доступні LLM-агентам через MCP, будую пайплайни, які знаходять,
краулять, верифікують і структурують сайти готелів у великому масштабі (240+ тис. підтверджених сайтів),
а якість вимірюю оціночними наборами, а не на око. Автор Python-бібліотеки для безпечного вебпошуку AI-
агентів, опублікованої на PyPI (2300+ тестів). Бекграунд у бізнес-операціях допомагає пов'язувати технічні
рішення з реальними потребами продукту.
НАВИЧКИ
МОВИ
Python TypeScript Node.js SQL Bash

LLM / RAG / АГЕНТИ
RAG Hybrid Search (dense + BM25, RRF) Cross-Encoder Reranking sentence-transformers Qdrant
MCP OpenAI Responses API OpenAI Batch API Structured Outputs / JSON Schema Prompt Engineering
Захист від prompt injection Оцінка retrieval і промптів LangChain LangGraph

БЕКЕНД І МОБІЛЬНА РОЗРОБКА
FastAPI Pydantic REST API Design Asyncio Redis API-key / JWT Auth pytest Alembic Flutter
Пакування для PyPI

ДАНІ ТА СКРЕЙПІНГ
Playwright Cheerio schema.org / JSON-LD MongoDB PostgreSQL Entity Matching
Перевірки якості даних OpenStreetMap

ІНФРАСТРУКТУРА
Docker Docker Compose Linux Kubernetes Helm GitLab CI/CD GitHub Actions Bitbucket Pipelines
Argo CD Vault

ІНСТРУМЕНТИ
Git GitHub Jira Confluence Claude Code (власні скіли, MCP) n8n Telegram Bot API

ДОСВІД РОБОТИ
AI-інженер, WinWin.Travel 04.2026 – наразі
Розробив і підтримую RAG-мікросервіси лише для пошуку (Python, FastAPI, Qdrant), що працюють у
production та інтегровані із зовнішньою AI-платформою; одна кодова база обслуговує три асистенти: базу
знань help center, how-to агента та HR-асистента. Гібридний пошук (багатомовні dense-вектори
multilingual-e5 + BM25, об'єднані через Reciprocal Rank Fusion), cross-encoder reranking, Redis-кеш,
автентифікація за API-ключем і CRUD API індексації.
Відкрив пошук як MCP-інструменти через локальний stdio і віддалений HTTP, тож LLM-клієнти, як-от
Claude Desktop та агенти платформи OpenAI, напряму звертаються до бази знань.
Створив багатомовну оцінку retrieval (EN/UK/RU) з метриками hit@k. Вона показала, що англомовний
reranker погіршує результати для кириличних запитів, і допомогла перейти на багатомовний cross-
encoder, що усунуло проблему.
Співрозробляв сервіс filter-retrieval, за допомогою якого LLM-агент пошуку готелів зіставляє запити
користувачів з фільтрами платформи; додав автентифікацію, доступ через MCP і документацію.

Створив пайплайн пошуку сайтів готелів (TypeScript, MongoDB, PostgreSQL), що застосовує каскад
методів: каталог постачальника, домен e-mail, OpenStreetMap, зіставлення назви з доменом. Результат:
240+ тис. підтверджених сайтів готелів; точність кожного методу виміряна на випадкових вибірках з
довірчими інтервалами.
Розробив і експлуатую краулер на headless-браузері (Playwright, MongoDB), розгорнутий як шардований
Kubernetes Job через Helm і GitLab CI. Краулить сайти готелів у великому масштабі (наразі опрацьовано
4,3 тис. сайтів), зберігаючи сирий HTML, JSON-LD, мову сторінки та посилання.
Створив офлайн-перевірку ідентичності сайту, що зіставляє краулені сторінки з фактами каталогу
(телефон, e-mail, адреса, координати, назва). Вона автоматично підтверджує більшість сайтів і позначає
викрадені, продані та мертві домени до того, як їхні дані потраплять у продукт.
Розробляю сервіс структуризації, що перетворює краулені сторінки на один запис на готель (номери,
політики, зручності, пропозиції, ціни) з підтвердженням джерела для кожного значення відповідно до
детальної специфікації результату.
Prompt engineering для LLM-пайплайна екстракції (тексти партнерів → Feature / Option / Description):
версіоновані промпти з JSON-схемою відповіді та регресійний набір, що виконує повторні виклики для
кожного кейсу через OpenAI Responses і Batch API.
Аналізував продакшн-каталоги (PostgreSQL, MongoDB) для підтримки продуктових рішень; писав
технічну документацію англійською та українською; працював з DevOps над розгортаннями на Docker,
Helm, Argo CD і Vault.
Технік із монтажу сонячних станцій / електрик, retec Merc 2024 – 2026
Виконував технічні монтажні роботи відповідно до стандартів безпеки, документації та процедур
контролю якості.
Діагностував технічні несправності, перевіряв конфігурації систем і самостійно виконував завдання в
стислі терміни.
Власник бізнесу / самозайнята особа 2018 – 2022
Керував бізнес-операціями від початку до кінця: планування процесів, координація та виконання.
Аналізував потреби бізнесу й перетворював їх на структуровані воркфлоу та практичні рішення.
Оптимізував операційні процеси в умовах обмежень за часом і бюджетом, адаптуючись до змін вимог.
Електромеханік, Laundry Service Odessa 2016 – 2018
Аналізував вимоги клієнтів, перевіряв технічні конфігурації та діагностував несправності систем.
Перевіряв роботу обладнання, документував технічні результати та підтримував стандарти якості.
ПОРТФОЛІО
Безпечний вебпошук для AI-агентів — open-source Python-бібліотека Open source
Розробив Python-бібліотеку для надійного й безпечного вебпошуку AI-агентів: автоматичне перемикання
між пошуковими провайдерами, кешування запитів для економії витрат, захист персональних даних і
протидія prompt injection.
Опублікована на PyPI; покрита понад 2300 автоматизованими тестами.
Підбір open-source рішень — власний сервіс Особистий проєкт
Створив сервіс інтелектуального підбору open-source рішень під бізнес-завдання: користувач описує
потребу природною мовою, система знаходить десятки кандидатів, відбирає 3–5 найкращих і перевіряє
відповідність вимогам за документацією та вихідним кодом.
Інтегрує численні зовнішні сервіси через API та протокол MCP (Model Context Protocol). Результат:
порівняльна матриця з оцінкою відповідності вимогам, ліцензійних ризиків і складності впровадження.

Mobile Finance Assistant — бекенд і мобільна розробка 7.2026
Додаток для особистих фінансів: бекенд на FastAPI та PostgreSQL, мобільний клієнт на Flutter, безпечна
автентифікація, міграції бази даних.
Реалізував ввід транзакцій природною мовою текстом і голосом: ввід перетворюється на структуровані
чернетки з автоматичним визначенням суми, валюти, дати й категорії з наступним підтвердженням
користувача.
Створив мультивалютні гаманці, керування транзакціями, бюджети, фінансові цілі, регулярні платежі та
аналітику з графіками балансу й порівнянням періодів.
Реалізував валідацію транзакцій, ідемпотентні операції, аудит-логування та патерн Transactional Outbox
для надійної фонової обробки.
Розгорнув бекенд на Hetzner з HTTPS, щоденними бекапами бази та Docker-інфраструктурою;
налаштував GitHub PR і CI, розповсюдження APK з оновленнями в додатку, експорт у JSON/Excel.
github.com/MaksicosUA/mobile-finance-assistant
Voxentra — синхронний переклад мови для відеодзвінків 5.2026
AI-застосунок синхронного перекладу мови для відеодзвінків: розпізнавання мовлення, LLM-переклад і
синтез мовлення; наскрізний сценарій перевірено в Google Meet на Linux.
Модульний AI-пайплайн з інтеграцією Deepgram, OpenAI та Cartesia зі змінними провайдерами;
асинхронний аудіострімінг, керування чергами, відновлення після помилок, кросплатформна
маршрутизація аудіо (PulseAudio, WASAPI).
64 автоматизовані тести; пайплайни GitHub Actions для релізів на Windows і Linux. Приватний
репозиторій; технічний огляд — за запитом.
AI-агенти та автоматизація воркфлоу — особисті проєкти 1.2026
Налаштував AI-агента Claude Code зі структурованими системними промптами та постійним контекстом
проєкту для воркфлоу автоматизації трейдингу.
Python-автоматизації з інтеграцією OpenAI API та Telegram Bot API для збору, обробки даних і
автоматичного виконання завдань; автоматизував щоденний пошук вакансій і формування звітів у Google
Drive.
К У Р С И ТА Н А В Ч А Н Н Я ( H I L L E L I T S C H O O L )
Machine Learning 2026
Моделі GRU, LSTM і Transformer у PyTorch та TensorFlow на навчальних проєктах, зокрема проєкт, пов'язаний з
дронами; воркфлоу навчання та оцінки моделей. Сертифікат
Штучний інтелект для бізнесу та воркфлоу 2025 – 2026
Декомпозиція завдань і структурований prompting; AI-воркфлоу, агенти та автоматизації з n8n та API; аналіз
документів і внутрішні асистенти знань (RAG-логіка); оцінка результатів і операційних ризиків. Сертифікат
Prompt Engineer: Complete Practical Guide 2025
Методологія CLEAR, просунуті техніки prompting, системні промпти та рольова поведінка, мультимодальний
prompting, оцінка, безпека. Сертифікат
Python 2025 – 2026
Сертифікат
ХО Б І
Велосипед і активний спосіб життя. Подорожі та знайомство з новими культурами. Нехудожня література
про технології, психологію та бізнес. Вивчення нових технологій.