Старший инженер / Небольшая команда — Построить CHELT (Платформа управления ИИ) на основе существующей кодовой базы Traqplan

Здравствуйте.

Меня очень заинтересовало ваше описание проекта, потому что это именно тот класс систем, с которыми я работаю последние годы — управляемые, аудируемые, детерминированные AI-платформы с четкими границами ответственности между человеком, системой и AI.

Я работаю с Node.js, PostgreSQL и сложными бэкенд-системами, где критические вопросы — это контроль изменений, история, версионирование, аудит, права доступа и воспроизводимость решений. Также у меня есть опыт работы с Angular и рефакторингом существующих кодовых баз без переписывания всего с нуля.

Отдельно у меня большой практический опыт в построении AI-систем в продакшене с правильными ограничениями: AI не имеет прямого доступа к БД, он лишь интерпретирует намерение, генерирует структурированное предложение, а все изменения проходят через бэкенд, с подтверждением пользователя, аудитом и логами. Фактически я уже неоднократно реализовывал именно паттерн “намерение → предложение → подтверждение → применение → аудит”.

Как бы я реализовал ваш базовый workflow:
… Пользователь формулирует запрос на естественном языке, AI преобразует его в структурированное предложение об изменении (JSON/DTO), фронтенд показывает diff-превью, пользователь подтверждает, бэкенд применяет через обычные сервисные методы, изменение версионируется, логируются автор, время, предыдущее состояние, причина. AI никогда не пишет напрямую в БД и не имеет скрытого состояния.

Мне очень близка ваша философия:
реестры как контракты,
жесткие границы между интерпретацией и мутациями,
никаких “тихих” изменений ради удобства AI,
полная отслеживаемость и управляемость.

Из релевантных кейсов:
Я строил AI-менеджера для Kommo CRM с RAG-архитектурой, аудитом действий, контролируемыми сценариями, логикой подтверждений и передачей в менеджеру. Также работал над несколькими SaaS-системами с логикой workflow, approval-flow и историей изменений. Есть опыт интеграций, оркестрации процессов и построения “управляемых агентов”, которые не просто отвечают, а выполняют действия под контролем системы.

Ваш стек и подход мне полностью подходят: Node, Postgres, Angular, существующая кодовая база, постепенная эволюция продукта. Я не сторонник “все переписать”, а наоборот — аккуратного, контролируемого усиления архитектуры.

Мне интересно заходить в этот проект надолго и развивать его как продукт, а не как разовую разработку.

Если хотите, можем начать с технического разговора, я посмотрю на текущую архитектуру Traqplan и предложу очень конкретный план первой фазы перехода к CHELT.

Буду рад обсудить.

Показать оригинал

Перевести

готов помочь вам с этим

имею большой опыт работы в полном стекe

отправлю вам предыдущую работу, чтобы убедиться, что мы подходим друг другу

Показать оригинал

Перевести

Здравствуйте!
Меня зовут Андрей Мартынов, я представляю группу разработчиков – NC-1.
Более пяти лет мы создаем веб-сайты, мобильные приложения, интернет-магазины, ERP/CRM системы и другие e-commerce продукты. Предлагаю нашу команду для работы над проектом:
1. Full-Stack инженер (senior, team Lead). Стек: Node.js, PostgreSQL, Angular.
2. Frontend-разработчик (middle). Стек: Angular, TypeScript, AG Grid, RxJS
3. DevOps (middle). Стек: Node.js, AWS, Docker, CI/CD, мониторинг.
Отвечаю на вопросы:
1. Примеры производственных систем
- Платформа управления инцидентами для финтеха: Рефакторил монолит на Java в микросервисы на Node.js (NestJS) и PostgreSQL, добавив AI-классификатор инцидентов на Python (FastAPI/BERT) с полным трейсингом предсказаний для аудита.
… - Мультитенантная SaaS для автоматизации маркетинга: С нуля построил платформу оркестрации workflow c изоляцией данных через схемы PostgreSQL и управляемым исполнением задач в Kubernetes, аналогично встраиваемым движкам (n8n).
2. Изоляция слоёв. Детерминированная валидация и подтверждение. Аудит и отслеживание.
3. Есть прямой опыт построения мультитенантной SaaS-платформы с изоляцией данных на уровне схем PostgreSQL. Для оркестрации workflow интегрировали движки (n8n), добавляя слой управления: конфигурации хранились в основной БД, а каждый запуск выполнялся от имени конкретного агента с инжектом его прав. Критичные процессы требовали мандатного утверждения через тикет-систему перед исполнением. Весь цикл выполнения и изменения конфигураций фиксировались в центральном аудит-логе для прослеживаемости.
Кейсы: https://1drv.ms/b/c/b7a0d31a9dae1bc5/IQCpK38gmEvWT6F_Cso40Li-AXAKkSs-J67mCwll-C732pw?e=v4VVF5
С уважением,
Алексей М.

Здравствуйте,

Мы — Spectrium LLP, техническая команда, работающая с production-SaaS и AI-функционалом с жёсткими требованиями к контролю, аудиту и безопасности. Заинтересованы в долгосрочной работе над CHELT AI и переходе с Traqplan.

🔧 Наш опыт

Node.js + PostgreSQL — сервисная архитектура, контракты данных, аудит

Работа в существующих Angular кодовых базах (рефакторинг без переписывания)
…
Внедрение AI-функций без прямого доступа LLM к БД

🧠 Подход к «намерение → применение»

AI интерпретирует запрос → формирует структурированное предложение → пользователь подтверждает → backend применяет изменения через API → всё логируется и версионируется.
Без скрытых состояний и «тихих» мутаций.

🚀 Что готовы закрыть

ребрендинг Traqplan → CHELT AI

Chelt Hub / Governance Vault

CRUD реестров через natural language

AI-инсайты с объяснимостью

фундамент под управляемые action-агенты

Здравствуйте. Я работаю с Node.js более 8 лет. Я готов к сотрудничеству.

Показать оригинал

Перевести

Привет.
Этот проект касается эволюции существующего SaaS до CHELT AI путем внедрения управляемых рабочих процессов ИИ производственного уровня поверх структурированных реестров, а не перестройки с нуля или доставки тонкого слоя чата. Я работал бы непосредственно в вашей текущей кодовой базе Angular/Node/Postgres, чтобы ребрендинговать и переориентировать UX вокруг Chelt Hub и Governance Vault, устанавливая при этом строгие границы бэкенда, где ИИ предлагает только изменения, а все мутации проходят через версионные, аудитируемые API с явным одобрением пользователя. Для CRUD на естественном языке и аналитики я бы реализовал четкий конвейер намерение → структурированное различие → подтверждение → применение → аудит, рассматривая схемы реестра как контракты и сохраняя полную историю и отслеживаемость. Оттуда я бы заложил основу для управляемых агентов действий и выполнения рабочих процессов с сильной идентификацией, одобрениями и журналами, разработанных для чистого масштабирования в UAT, многопользовательских и корпоративных средах на AWS.

Показать оригинал

Перевести

Уважаемый сэр.
Мы очень заинтересованы в поддержке перехода Traqplan на CHELT AI и вкладе в создание управляемой платформы с поддержкой ИИ, готовой к производству.

У нас есть значительный опыт на уровне старших специалистов с системами на Node.js, PostgreSQL и Angular, включая работу с существующими кодовыми базами, безопасный рефакторинг и предоставление проверяемых, готовых к корпоративному использованию функций. Мы реализовали рабочие процессы с поддержкой ИИ, где интерпретация намерений строго отделена от детерминированного выполнения на серверной стороне, с явным подтверждением пользователя, версионированием и полными аудитами.

Наш подход к "намерение → структурированное предложение → подтверждение → применение → аудит" следует четким границам: ИИ генерирует только структурированные, схемно-привязанные предложения; серверные службы проверяют, применяют изменения через API и регистрируют все действия с возможностью отслеживания и сохранения истории. Нам комфортно строить многопользовательские SaaS-системы и работать с управляемой автоматизацией и движками рабочих процессов в контролируемых средах.

Мы заинтересованы в долгосрочном сотрудничестве за пределами начальной фазы и будем рады поделиться соответствующими примерами из производства и обсудить архитектурные решения более подробно.

… С уважением

Показать оригинал

Перевести

Привет!

Это именно тот тип продукта, где тщательная структура важнее скорости, и мне очень комфортно работать внутри существующей кодовой базы и изменять её, не нарушая то, что уже работает. Я провел годы, создавая и рефакторя системы на Node и Postgres, где аудит, разрешения и долгосрочные контракты данных рассматривались как первостепенные задачи, а не дополнения.

Что мне нравится в CHELT, так это четкое разделение между намерением и исполнением. Я реализовал аналогичные потоки, где ИИ никогда не взаимодействует с базой данных напрямую, а вместо этого создает чистое, типизированное предложение, которое проходит через подтверждение, проверку уровня обслуживания, применение и полное ведение аудита. Эта схема хорошо масштабируется, успокаивает регуляторов и позволяет инженерам лучше спать по ночам. Системы Angular с плотными сетками и сложным состоянием также знакомы мне, включая работу с производительностью AG Grid и эволюцией схемы.

Одна идея, которую я предложил бы на раннем этапе, это слой реестра предложений, который находится между ИИ и сервисами. Каждое намерение становится подписанным, воспроизводимым объектом с моментами до и после и приложенными обоснованиями. Это дает вам объяснимость, историю версий и возможность отката или пересмотра в будущем без добавления трения для пользователей.

Вы можете увидеть связанную производственную работу здесь.
… https://storiesforkids.ai
https://oscarstories.com

Спасибо!

Показать оригинал

Перевести

Я заинтересован в вашем проекте перехода на CHELT AI и могу взять на себя как первый этап, так и дальнейшее развитие платформы. У меня значительный опыт в Node.js, PostgreSQL, Angular, а также в внедрении функций ИИ в реальные продукты с жесткими требованиями к безопасности, аудиту и контролю изменений.

🔹 Что могу предложить для первого этапа:
1. Переход с Traqplan → CHELT AI
• Ребрендинг и обновление UX под новую модель CHELT
• Добавление темной темы и интеграция Chelt Hub и Chelt Governance Vault
• Административные инструменты для управления персонажами и ролями
2. CRUD на естественном языке для реестров
• Интерпретация намерения пользователя → генерация структурированных предложений → подтверждение пользователем → применение через API → журнал/аудит
… • Версионирование и история изменений для всех схем реестров
• Безопасное управление разрешениями и контроль “тихих изменений”
3. Аналитика и инсайты
• Генерация объясняемых и отслеживаемых до записей инсайтов из данных реестра
• Использование ИИ без прямого доступа к базе, для соблюдения принципов безопасности
4. Основы для автоматизированных агентов
• Модуль действий с контролем одобрений, журналированием, обработкой ошибок и повторных попыток
• Интеграция с оркестрацией рабочих процессов (например, n8n)

🔹 Мой опыт, релевантный этому проекту:
• Разработка и рефакторинг многопользовательских SaaS систем на Node.js / Angular / PostgreSQL
• Внедрение ИИ для генерации предложений, с полным аудитом и контролем изменений
• Реализация схем “намерение → структурированное предложение → подтвердить → применить → аудит” в производственных системах
• Работа с многопользовательскими платформами, где критически важен контроль доступа, версионирование и история изменений

Я могу быстро включиться в существующую кодовую базу, создать начальную основу производственного качества, а затем поддерживать и итеративно развивать систему вместе с вашей командой.

Готов обсудить детали, оценить объем первого блока и предложить план действий и сроки.

Показать оригинал

Перевести