CV · BOOST TRAINER · 2026 v1.0

Игорь Батраков

Практик на стыке AI, продукта и прикладной разработки. Собираю MVP, AI-инструменты и прикладные продукты — от идеи и проверки гипотез до работающего решения. Сильная сторона — сочетание продуктового подхода, ясной логики и быстрой реализации через современные AI-инструменты.

Claude Code VS Code Codex CLI Gemini CLI MCP Skills Agents RAG MLX Ollama

Что у меня релевантно для роли тренера BOOST

ежедневная практика в Claude Code / VS Code
сборка прикладных AI-решений и MVP
сильный продуктовый бэкграунд: гипотезы, ценность, AJTBD, MVP, обратная связь
опыт ведения людей через практику: внутреннее обучение, наставничество, объяснение сложного простым языком
спокойная работа в условиях, когда на демо или воркшопе что-то ломается
понимание психологической стороны обучения: как удерживать темп, снижать тревогу, не давать людям выпадать из процесса

Что умею в AI-инструментах помимо «написать код»

настраивать рабочее окружение Claude Code и других AI-инструментов для разработки
подключать и использовать MCP, плагины и дополнительные инструменты под конкретный сценарий
снижать лишний расход токенов и делать процесс разработки более экономным
организовывать работу моделей с актуальными данными, а не только с базовыми знаниями модели
проверять используемые скиллы и зависимости на уязвимости
выстраивать guardrails, базовую безопасность и практики снижения риска утечек
работать с fallback-сценариями и быстро переключаться между инструментами при сбоях

Что умею в agentic / AI-native разработке

не только линейно работать в Claude Code / VS Code, но и проектировать agentic workflow под задачу
понимать, когда достаточно одного агента с tools, а когда нужны skills, subagents, handoffs или router-подход
использовать параллельные специализированные контуры там, где это реально ускоряет и упрощает разработку
подключать актуальные данные и внешние инструменты, а не опираться только на базовые знания модели
выстраивать guardrails, fallback-сценарии, базовую безопасность и экономное использование токенов
быстро переключаться между инструментами при сбоях без потери темпа работы

Три релевантных проекта

Telegram-бот по правилам триатлона

AI-бот в Telegram для судей, спортсменов, тренеров и организаторов соревнований по триатлону. Бот помогает быстро находить ответы в актуальных правилах с точными ссылками на главу, раздел и страницу. Также может искать по базе из около 2000 документов мировой федерации триатлона.

Весь путь — от идеи до прода — делал вместе с Claude Code: архитектура, PDF pipeline, проверка подходов RAG vs full-context, системный промпт под конкретную аудиторию, guardrails, итерации по качеству, деплой.

→ что это показывает

умею собирать прикладной AI-продукт с понятной ценностью
умею быстро итерировать решение
умею доводить до рабочего состояния, а не оставлять на уровне концепции
умею думать не только о функциональности, но и о качестве ответа, безопасности и устойчивости

Podcasts Transcribe

Публичный AI-native pipeline для глубокой переработки подкастов в структурированный текст: транскрибация, diarization, LLM-постобработка и подготовка к публикации.

Ключевой плюс проекта — поддержка локального AI-стека: MLX Whisper и Ollama, с возможностью не зависеть только от внешних API. Это позволяет лучше контролировать стоимость, производительность, приватность и устойчивость решения. В проекте также есть кросс-эпизодная память спикеров, асинхронная обработка, VAD, кэширование и оптимизация под Apple Silicon.

→ что это показывает

опыт AI-native разработки не на уровне демо, а на уровне рабочего pipeline
понимание, как собирать решения с учётом стоимости, приватности, производительности и устойчивости
умение проектировать модульную архитектуру, которую можно быстро расширять и улучшать
понимание работы с неопределённостью вывода моделей и с локальным AI-стеком, а не только с SaaS API

github.com/igor-batrakov/podcasts-transcribe

AI Digest / Telegram digest pipeline

Telegram-native продукт для персонализированного отслеживания важных новостей и сигналов без перегрузки информационным шумом. Он помогает оставаться в курсе действительно значимого, не тратя часы на просмотр десятков каналов: собирает новые посты, убирает дубли и слабый сигнал, выделяет важные темы и формирует короткий релевантный дайджест, экономя заметное количество времени каждый день. Можно использовать и как следующий шаг после дайджеста — для подготовки черновиков по наиболее зацепившим темам для своего канала или блога. Сейчас использую его в первую очередь для себя как рабочий продукт, а в ближайшее время планирую опубликовать проект на GitHub.

Claude Code использовал как основной рабочий инструмент для проектирования структуры, написания кода, дебага и быстрых итераций.

→ что это показывает

умею собирать не отдельные AI-фичи, а целостные AI-native продукты
понимаю продуктовую задачу: уменьшить шум, убрать дубли, повысить полезность выдачи и довести пользователя до следующего полезного действия
умею строить полный прикладной контур: от ingestion и ranking до delivery, feedback loop и writing flow
умею делать решение управляемым в реальной эксплуатации: preview mode, explainability, observability, budget control и fail-fast подход

Релевантный продуктовый опыт

У меня сильный продуктовый бэкграунд на стыке бизнес-задач, технологий и пользовательских сценариев. Ключевой кейс — AdPar, продукт, который я придумал и развивал как основатель и product owner: решение для автоматизации e-commerce и интеграции интернет-магазинов с B2B-контурами дистрибьюторов, с автоматической загрузкой товаров, цен, остатков и других данных.

Руководил веб-студией Insmart, которая специализируется на разработке сайтов и внедрении решений на 1С-Битрикс и Битрикс24. Это дало мне большой объём практики в клиентских продуктах и прикладных решениях для заказчиков: от формулирования задачи и приоритизации до запуска и реального использования.

Этот опыт дал мне не только продуктовую оптику, но и привычку быстро разбираться в новых предметных областях, выделять главное и собирать решения, которые действительно работают в реальном контексте пользователя.

Опыт ведения людей

У меня нет классического EdTech-бэкграунда, но есть релевантный опыт проведения людей через практику к результату.

более 6 лет работаю тренером по триатлону и успешно помогаю любителям доходить до результатов
в ИТ и бизнес-контексте обучал коллег и команды
объяснял логику решений, процессы, постановку задач и работу с новыми инструментами
помогал людям не просто понять материал, а начать применять его на практике
умею объяснять не только happy path, но и как действовать при сбоях, ограничениях инструментов и нестабильном окружении
считаю психологическую устойчивость частью нормального менторства и обучения

Близок формат, где обучение — это не лекция, а движение к рабочему результату.