Скорость AI и инженерная дисциплина, необходимая для безопасного запуска.

В каждом проекте есть CLAUDE.md или AGENTS.md: ограничения, которые агент не должен нарушать, команды для проверки изменений и уже принятые решения. NEXT-SESSION.md передает следующей сессии реальное состояние: что опубликовано, что заблокировано и что еще не проверено. Агент, начинающий без контекста, читает эти документы до любых изменений.

Где это видно: В Timber Logistic список задач на день запуска хранится отдельно от backlog, потому что несколько пунктов легко ошибочно принять за завершенные.

В каждом репозитории есть единая проверка: типы, lint, тесты, сборка и аудит зависимостей. CI запускает ее при каждом push. В проектах с базой данных тестируется сама гарантия безопасности: два реальных аккаунта подтверждают, что не могут читать данные друг друга, а демо-аккаунт вызывает функцию удаления и ожидает отказ. Если гарантия важна, существует тест, который громко завершится ошибкой, когда она перестанет выполняться.

Где это видно: FoodBoard: 193 теста. Kinetiq: 34, включая заявленные в README гарантии доступности. Timber Logistic: CI декодирует каждый JWT в bundle и останавливает сборку при обнаружении service key.

Агенты быстро пишут клиентский код, но достаточно пропустить одно условие фильтрации по владельцу, чтобы открыть данные другого пользователя. Поэтому авторизация находится в политиках Postgres RLS и правилах Firestore. Клиент физически не может сформировать межпользовательский запрос. Такая архитектура позволяет агенту быстро работать с интерфейсом: последствием ошибки станет сломанная страница, а не инцидент безопасности.

Где это видно: Timber Logistic: RLS на всех 20 таблицах, каждое изменение состояния через процедуры SECURITY DEFINER, ни одной общей политики UPDATE.

Два недавних примера. Генератор превью меню сериализовал описание ресторана во встроенный блок JSON-LD, а тест показал, что буквальная строка </script> могла преждевременно закрыть блок. В другом случае кнопка удаления демо-аккаунта была лишь скрыта в шапке, пока тест с реальным вызовом RPC не перенес защиту в функцию базы данных. Обе проблемы были найдены благодаря написанной проверке, а не простому чтению кода.

Где это видно: Оба исправления видны отдельными изменениями в публичной истории FoodBoard, а причины описаны в сообщениях commit.

В каждом README есть прямо написанный раздел Known limitations, потому что именно об этих местах стоит спрашивать на техническом интервью. Платежный поток описывался как заблокированный до того дня, когда он заработал. Интервал обновления демо указан в часах. У каждой цифры на сайте есть дата. Скорость AI имеет смысл только тогда, когда получатель может доверять тому, что ему говорят о продукте.

Где это видно: README FoodBoard объясняет, какое архитектурное решение я изменил бы при повторной разработке и почему.

Каждый публичный проект получает техническую SEO- и GEO-оптимизацию, соответствующую его архитектуре. Это индексируемый HTML там, где клиентского рендеринга недостаточно, отдельные заголовки и описания маршрутов, canonical URL, sitemap, правила для роботов, структурированные данные и превью ссылок. Контент организован так, чтобы поисковые системы и AI-системы ответов могли определить продукт, аудиторию, возможности и доказательства, не пытаясь угадать их по JavaScript bundle.

Где это видно: FoodBoard заранее создает отдельную страницу каждого меню с JSON-LD и sitemap. Clinica Naturell пререндерит маршруты услуг. Это портфолио публикует canonical и hreflang-метаданные для английского, румынского и русского языков.