Платформа операцій спортзалу — Управління змінами й задачами з AI-валідацією фото

Огляд

Платформа для управління змінами та задачами клінінг-команд у спортзалах. Менеджери планують зміни на кількох брендах і локаціях та перевіряють фото задач; клінери проходять свою зміну через мобільний чат-подібний інтерфейс, надсилаючи фотодокази для кожної задачі. ШІ валідує фото, позначає аномалії та генерує звіти по змінах для менеджерів.

Роль: Freelance full-stack інженер / AI-інтеграція Термін: 3 місяці, соло Домен: SaaS для операцій виїзних сервісних команд

Платформа почалася як no-code MVP. Я перебрав частково побудовану кодову базу і суттєво переписав її в production-grade систему — 991 коміт за три місяці, охоплюючи React/TypeScript фронтенд, Supabase/Deno бекенд та шар AI-інтеграції наскрізно.

Рішення

Дві дуже різні UX-цілі ділять одну модель даних:

Адмін / Менеджер — desktop-first, навігація через sidebar. Планування змін, перевірка фото задач, моніторинг живого статусу змін по спортзалах і брендах, читання AI-звітів.
Клінер — mobile-first, повноекранний розмовний воркфлоу. Взяти зміну, пройти призначені задачі одну за одною, надіслати фото на кожну, отримати миттєвий AI-фідбек.

Кожне фото задачі проходить автоматичну AI-валідацію перш ніж його побачить менеджер — це ловить очевидно неправильну чи відсутню роботу рано, тож менеджери витрачають час рев’ю на судження, а не на скринінг.

Ключові технічні рішення

Автоматизована ескалація замість ручного моніторингу

Три типи тригерів працюють безперервно й сповіщають менеджерів у момент, коли щось потребує уваги, замість покладатись на те, що хтось помітить застряглу зміну:

Тригер	Умова	Дія
Немає чек-іну	Поетапна ескалація 10 хв → 30 хв	Спочатку нагадування клінеру, потім сповіщення менеджера
Фото відхилено	Та сама задача відхилена двічі	Сповіщення менеджера, зміна позначається
Прострочена зміна	30+ хв після запланованого кінця	Сповіщення менеджера, зміна позначається

Мультипровайдерний LLM failover

Валідація фото та генерація звітів проходять через основний/резервний ланцюжок LLM з п’яти провайдерів. Якщо основний провайдер деградує чи впирається в rate limit, система автоматично перемикається — AI-валідація продовжує працювати навіть під час збоїв провайдера, не блокуючи роботу клінера.

Триrівнева модель даних

Факти → Обчислення → Інтерпретація, закладено на рівні схеми. Сирі операційні дані (зміни, подання задач) незмінні після запису; обчислений/похідний стан живе у власному шарі; ШІ-згенерована інтерпретація (оцінки, звіти) append-only і ніколи не перезаписує факти, з яких вона виведена. Row-level security захищає кожну таблицю за цією моделлю, з прив’язкою до бренду й ролі.

Розробка через мультиагентний ШІ-воркфлоу

З огляду на масштаб переписування (270+ файлів, без наявної тестової бази для опори), розробка проходила через структурований мультиагентний конвеєр, а не через довільний промптинг: планувальний прохід дає специфікацію, tech-lead прохід перетворює її на план реалізації, генеративний і спрощувальний проходи створюють і чистять код, а незалежні проходи рев’ю коду, рев’ю безпеки й генерації тестів виконуються перед будь-яким merge. Це вберегло соло, швидкоплинне переписування від накопичення того типу недокументованого «племінного знання», яке зазвичай виникає при переписуванні з нуля за допомогою ШІ.

Результати

Метрика	Значення
Розмір кодової бази	~42K рядків у 270+ файлах
Коміти (цей контракт)	991 за 3 місяці
Тести	474 проходять, 52 test-файли
Співвідношення тест/джерело	30%
Вразливості `npm audit`	0
Типи тригерів ескалації	3, повністю автоматизовані
LLM-провайдери (failover-ланцюжок)	5

Стек

Шар	Технологія
Фронтенд	React 19, TypeScript 5, Vite, Tailwind CSS
Бекенд	Supabase (PostgreSQL, Auth, Row-Level Security)
Edge-функції	Deno
AI / LLM	Мультипровайдерний failover-ланцюжок (5 провайдерів)
Моніторинг	Sentry
Тестування	Vitest (unit), Playwright (E2E)
CI/CD	GitHub Actions
Інфраструктура	VPS + Nginx + Let’s Encrypt