Павел Думбрао
Предприниматель · AI-архитектор · Создатель продуктов
Проектирую AI-агентов, инфраструктуру и процессы, которые превращают идеи в работающие программы. Учу предпринимателей и специалистов создавать цифровые продукты с AI самостоятельно.
AIархитектурапродуктзапуск
01/ Проекты
Обучение
Практическая программа по разработке с помощью AI. Цель не «научиться пользоваться нейросетями», а пройти путь от идеи до самостоятельно собранного работающего продукта.
AI-чаттерминал и агент-программистMVPзапуск на сервересвой продукт
AI-инженерия
Операционная система для разработки с AI: законы работы, договорённости о плане, критерии готовности, разбиение задач для агентов, память проекта и проверка результата.
неизменные законыгибкое мышлениесреда навыков
Инфраструктура для LLM
Маршрутизация запросов между поставщиками языковых моделей, чтобы агенты-программисты работали дёшево и надёжно: повторные попытки, запасные маршруты, потоковые ответы, вызов инструментов, контроль времени ожидания.
запросмаршрутизаторGLM / DeepSeek / OpenRouter
AI-сотрудник по подписке
У каждого свой AI-сотрудник в Telegram: отдельный бот, изолированный профиль, своя память и подключаемые инструменты — интеграции, секретарь, поиск в сети, изображения. Сотрудник учится на задачах владельца и со временем работает лучше.
имя сотрудникаTelegram-ботизолированный профильинструментыпамять и обучение
Telegram-продукт
Рассылки по моим Telegram-группам: в саму группу, в личные сообщения или скрытой доставкой с персональными ссылками. Пользуюсь постоянно: рассылка, на которую уходил час, занимает до 5 минут, а людей на моих эфирах, Zoom-встречах и офлайн-мероприятиях стало в 2–3 раза больше.
команда в Telegramживая аудитория группыAI-вариант текстаперсональные ссылкиотчёт
Индивидуальная разработка
Конвейер Reels под задачу клиента: от темы до готового ролика в канале. Сценарий, аватар и голос, врезки, монтаж — каждый этап делает свой агент или сервис, а человек одобряет ролик перед рендером и публикацией.
темасценарийаватар и голосврезкимонтажодобрениепубликация
Qwen + BlenderИсследование
Мультиагентная система на локальной Qwen (Mac Studio) для интерьерных решений через Blender. Моя часть: архитектура системы. Предварительный результат показал, что схема работает.
Fathom DigestАвтоматизация
Запись звонка Zoom / Fathom, расшифровка, анализ и короткая структурированная выжимка для клиента.
«Вася ИИ»AI-ассистент
Ассистент на собственном сервере: модель, системная инструкция, поведение в личных сообщениях и в группах, работа с инструментами.
Web Data EngineАгенты-исследователи
Несколько агентов разбирают источник с разных сторон, отдельный агент собирает синтез.
16/16
КОНТРАКТНЫЕ ТЕСТЫ
Personal GONKA
На боевом сервере пройдены все 16 контрактных тестов.
8/8
СКРЫТЫЕ ТЕСТЫ
Personal Coding OS
Со статичной картой репозитория (RepoMap) агент-программист провалил 5 из 8 скрытых тестов. С живым графом кода (Live-Graph) прошёл 8 из 8.
RAG
ОЦЕНКА НА БОЕВЫХ ДАННЫХ
Боевой RAG
Количественная оценка реальной поисковой цепочки на векторах Qwen и Chroma: точность выдачи (Hit@K, MRR), задержка, пробный запуск на части запросов, разбор типов ошибок.
Беру идею, изучаю готовые решения, собираю архитектуру и довожу до работающего MVP с помощью AI.
Системы, где у агентов разные роли: исследователь, архитектор, разработчик, проверяющий, оператор.
Среда вокруг агентов-программистов: контекст, память, состояние задач, навыки, инструменты, MCP, проверка, выкладка на сервер.
Шлюзы к языковым моделям, маршрутизация между поставщиками, запасные маршруты, API, VPS, базы данных, надёжность в боевой работе.
Telegram, n8n, API, контент-конвейеры, CRM и рабочие процессы бизнеса.
Помогаю перейти от «общаюсь с AI в чате» к «создаю и запускаю свои программы с AI».
02/ Метод
Мой рабочий алгоритм повторяется от проекта к проекту. Это не набор инструментов, а порядок действий.
01 / ИДЕЯ
Сначала цель и боль бизнеса. Потом ограничения: скорость, стоимость, надёжность. AI здесь не цель. Цель: продукт, деньги, результат клиента или изменённый процесс.
02 / ИССЛЕДОВАНИЕ
Не доверяю одной модели. Сравниваю ответы разных AI-экосистем, смотрю рынок, открытый код и готовые продукты, ищу известные грабли.
03 / АРХИТЕКТУРА
Не копирую одно решение, а беру полезные части нескольких. Решаю, где нужен AI, а где детерминированный код. Где RAG и память, где автономный агент, где хватит простого API и где остаётся человек.
04 / AI-КОМАНДА
Разделяю роли: архитектор, исследователь, исполнитель, проверяющий, операционное состояние. Один универсальный чат ещё не система. Теорию быстро переношу на рабочий стенд: VPS, API, база, агенты.
05 / ПРОВЕРКА
Готово тогда, когда это видно: тесты, поведение работающей системы, проверка состояния сервиса, ответ API, выложенная версия, интерфейс.
06 / ЗАПУСК
Выкладка и проверка в боевой работе. Архитектура, решения, инциденты, тесты и передача дел живут во внешней памяти проекта, а не в одной сессии.
Многие выросли из реальных сбоев в боевой работе.
Сначала AI
Прежде чем делать вручную, проверяю, может ли это сделать AI или автоматизация.
Задача важнее чата
Чат живёт недолго. Задача, состояние и доказательства должны пережить сессию.
Архитектор ≠ исполнитель
Один AI проектирует. Другой исполняет. Третий проверяет.
Один владелец изменений
Когда агенты работают параллельно, у каждого изменяемого состояния один владелец.
Сначала доказательство
Успешная команда ещё не значит успешный результат.
Без слепых повторов
Если побочный эффект уже мог случиться, сначала сверяю состояние, потом повторяю.
Контрольная точка и передача дел
Сохраняю состояние перед рискованными операциями, выкладкой и концом сессии.
Контекст по мере надобности
Агенту не нужна вся вселенная: минимум контекста, структура, поиск, детали по запросу.
MVP → доказательство → масштаб
Сначала доказать, что система работает. Потом масштабировать.
03/ Обучение
Учусь сам → строю → проверяю → передаю работающие методы другим.
Практическая программа, где человек учится самостоятельно превращать идею в работающий цифровой продукт с помощью AI: бот, приложение, автоматизация или внутренний инструмент для бизнеса.
01
Агент сам выполняет команды, правит файлы, ставит библиотеки. AI перестаёт «писать текст» и начинает делать работу.
02
VPS, домен, постоянно работающий процесс. Продукт живёт без ноутбука ученика.
Аудит завершённых потоков 1–3: что участники реально собрали и запустили.
Это итоги трёх завершённых потоков, а не обещание. Не все участники дошли до продукта или монетизации.
предприниматель и инвестор
СВОЙ БИЗНЕС
AI лёг на готовый фундамент: бизнес, управление, продукт и продажи. Поэтому любую технологию я оцениваю через продукт, ценность для клиента, экономику, скорость, операционную эффективность и масштабируемость.
04/ Сейчас
Обновлено: октябрь 2026
Чтобы научиться собирать продукты с AI самостоятельно, начните с Hard Coding Pro. Чтобы обсудить задачу или идею, напишите мне в Telegram.