Семён Гуськов › imsemyon
Рейтинг
65
№ 61 949 в каталоге
Отзывы
0
Профессионализм
-/10
Коммуникация
- /10
Опыт работы
3 года
На сайте с
2026 года
Юридический статус
Самозанятый

Kontext AI — Платформа генерации маркетингового контента на LLM

Используемые навыки Next.js React.js Typescript Интеграция API Искусственный интеллект

Описание

Задача выросла из очень частого запроса, который звучит примерно как "прикрутите нам нейросеть". Когда начинаешь разбираться, за этой фразой почти всегда стоит одно и то же. Люди попробовали ChatGPT в браузере, им понравилось, но в рабочий процесс это никак не встраивается.

Что именно нужно было решить.

- Текст генерируется, но нигде не сохраняется, история теряется, версии сравнить нельзя
- Каждый сотрудник пишет промпт как умеет, и результат каждый раз в разной тональности
- Нет учёта, сколько это стоит компании и кто сколько потратил
- Если внешний провайдер лёг или упёрся в лимит, всё просто перестаёт работать, и пользователь видит красную ошибку
- Ждать двадцать секунд молчания перед появлением текста никто не готов

Отсюда цель. Не обёртка над чужим API, а рабочий инструмент. Текст печатается в реальном времени, как в ChatGPT. Шаблоны и тональность бренда задаются один раз и применяются ко всем. Расход считается в понятных единицах и упирается в лимиты тарифа. При падении одного провайдера система переключается на другой, а не падает вместе с ним.

Открыть можно здесь.
https://kontext.guskovdev.ru
Вход anna@kontext.ai, пароль demo1234

Решение

Стек - Next.js 15, React 19, TypeScript в строгом режиме, Tailwind, Prisma. Авторизация своя, сессии в базе.

Ядро проекта - слой работы с языковыми моделями.

- Отдельные провайдеры для Anthropic Claude API и OpenAI API, у каждого свой формат потокового ответа и свои особенности, которые пришлось разбирать по документации
- Потоковая выдача через SSE, текст появляется посимвольно, с корректной остановкой по кнопке
- Каскад запасных вариантов. При ошибке или таймауте запрос уходит следующему провайдеру, а пользователь видит понятное сообщение вместо стектрейса
- Подсчёт токенов и пересчёт в кредиты, с проверкой лимитов до начала генерации, а не после
- Кэш по хешу промпта, повторный одинаковый запрос не тратит деньги
- Модерация ввода и проверка результата на соответствие правилам бренда
- Шаблоны, брендбук с тональностью, история документов с версиями и экспортом
- Журнал действий и аналитика расхода по пользователям

Отдельно про то, как устроен сам стенд, потому что это тоже инженерное решение.

Провайдер выбирается одной переменной окружения, а публичный стенд запущен в режиме без боевых ключей. Иначе любой посетитель тратил бы деньги на токены, а страница с открытым API-ключом в интернете - это просто вопрос времени до счёта на несколько десятков тысяч.

При этом поток настоящий. Стенд отдаёт полноценный SSE чанками переменной длины, с задержкой до первого токена, с разбросом задержек, с поддержкой отмены и с отчётом по токенам. То есть клиентский код, код стриминга, учёт кредитов и все состояния интерфейса работают ровно так же, как с боевым ключом. На проекте заказчика ключ подставляется в переменные окружения, и система идёт в Claude или OpenAI без единой правки в коде.

Результат

https://kontext.guskovdev.ru
Вход anna@kontext.ai, пароль demo1234

Замеры Lighthouse по публичной странице от 6 августа 2026 года, медиана из трёх прогонов.

- Производительность на десктопе 100 из 100
- Производительность на мобильной эмуляции 78 из 100
- Доступность 98, лучший показатель среди моих проектов
- Лучшие практики 100
- SEO 100
- Сдвиг макета CLS ровно 0

Именно на этом проекте одиночные прогоны подряд дали 100, потом 59, потом 96 - при том что все запросы возвращали код 200, а время ответа сервера держалось в пределах 20-30 миллисекунд. Просто машина была занята. Поэтому я меряю тремя прогонами на свободной машине и беру медиану, а не публикую самый красивый результат.

Мобильные 78 упираются в один общий чанк скриптов, который публичная страница подтягивает вместе с кодом приложения. Причина названа в отчёте, лечится разделением бандла, это работа примерно на день и она заложена в план.

Как применяется на практике.

Это заготовка для встраивания языковой модели в чужой продукт. Типичный запрос звучит как "нам нужен AI-помощник внутри нашего сервиса", и дальше выясняется, что сложность вовсе не в вызове API, а во всём, что вокруг него. Потоковый вывод, отмена, повторы, фолбэки, учёт расхода, лимиты по тарифам, история, права доступа. Всё это здесь уже написано и работает, поэтому на проекте заказчика оплаченное время уходит на его продукт, а не на инфраструктуру вокруг нейросети.

Оценили проект:

Другие проекты

Все проекты →
Веб-разработка и IT TaskFlow — SaaS для управления проектами
TaskFlow — SaaS для управления проектами
60
Веб-разработка и IT ATELIER — интернет-магазин одежды премиум-сегмента
ATELIER — интернет-магазин одежды премиум-сегмента
68
Веб-разработка и IT DentaLux — конверсионный лендинг стоматологической клиники
DentaLux — конверсионный лендинг стоматологической клиники
58
Веб-разработка и IT Pipeline CRM — CRM для отдела продаж
Pipeline CRM — CRM для отдела продаж
51