NENVEST

Stripe payment bot + Telegram-native admin

Abo-Plattform für die geschlossene Investment-Community Capitalist Invest / Rynochok

👤 Solo full-stack🌍 SubTech / Wealth-tech✅ ProductionDemo auf Anfrage

Kontext

Capitalist Invest / Rynochok — eine geschlossene Investment-Community mit kostenpflichtigem Abo: tägliche Marktanalysen, wöchentliche Research-Reports, 8 thematische Channels (Aktien, Anleihen, Volatilität, Krypto, Makro, Commodities, Research, Portfolio), Live-Chat. 500+ Mitglieder, Partnerschaft mit dem Medium «Ostanniy Kapitalist».

Ich habe zwei Systeme gebaut, die zusammen funktionieren: Stripe Payment Bot — Telegram-Frontend für die Bezahlung von Abos (der einzige User-Interaktionspunkt), und Admin Panel — Telegram-natives Admin-Panel für das Team (Promo, Preise, Broadcasts, Migrationen).

Meine Rolle: solo full-stack — von der Architektur bis in die Produktion. Stripe-Bot, Telegram-natives Admin, Webhook-Pipeline, operatives Dashboard in Google Sheets, Docker-Deploy und Cloudflare Tunnels. Davor habe ich eine Digital-Community von rund 1000 Personen geleitet — manuelle Broadcasts, Kundensupport, Wiederholungszahlungen, Hinzufügen und Entfernen von Mitgliedern. Dieses Wissen und diese Erfahrung erlaubten mir, eine umfassende Plattform für automatisches Mitgliedschafts-Management zu bauen.

Was dabei herausgekommen ist

Zwei Systeme, die zusammen funktionieren: Stripe-Bot für User und Admin-Panel für das Team.

Abonnement via Telegram-Bot: User wählt Tarif → zahlt → kommt in den geschlossenen Chat und Channel
Kündigen / Reaktivieren direkt in Telegram, automatische Entfernung bei Überfälligkeit
Admin-Panel in Telegram: Promo-Codes, Preisänderungen, Abo-Migrationen bei Tarifwechsel
Smarte Broadcasts: Filter nach Tarif und Status, Test-Modus mit Vorschau vor dem Senden, HTML-Formatierung, Lieferungs-Report
Kanäle: Telegram + Email
Abo-Stand in Google Sheets mit Formeln — Status, Daten, Aktionen werden automatisch berechnet, der CEO sieht das Bild ohne SQL

// system

Architektur

2 separate Services

user-facing + team-facing

01 — user-facing

Stripe Payment Bot

live

User (Telegram)

/subscribe · /cancel · /status

command

Stripe Payment Link

+ metadata: telegram_id, product_id

Webhook Receiver

Flask · :3001 · idempotent (event.json)

Schedulers

warning · delete

Event Transmitter

routing per event type

Bot Notifier

success · failed · expiring

Stripe

DUAL accounts

Google Sheets

state machine

Closed Chat

invite / kick

02 — team-facing

Admin Panel

live

Admin / Team

whitelist Telegram-ID

inline keyboard

Cloudflare Tunnel

no public IP needed

Admin Bot

Flask · :3003 · 7-step state machine

JSON store

atomic writes

Promo

CRUD

Pricing

change · sync

Mass-sender

filter · test · send

Migration

2-step pipeline

Stripe API

subs · prices

Google Sheets

read-only sync

Bot API

broadcast

production

Technische Details

Struktur, Infrastruktur und Entwicklungsprozesse.

Stripe-domain depth

Voller Subscription-Lifecycle: Payment Links mit metadata-routing, Subscription Schedules für Preis-Migrationen ohne Schaden für aktive Subs, Webhook-Idempotency mit 30-Tage-TTL event-registry (Schutz vor Retries und Doppelbelastung), Failed-Payment-Eskalation mit Retry-Logik.

Reliability & atomicity

Atomische 3-Phasen-Verarbeitung von Webhook-Events: Ack wird NUR nach Erfolg aller Schritte committet. Mutex-geschütztes JSON-Storage mit atomic writes (tempfile → rename) statt einer separaten DB — gerechtfertigt durch Teamgröße, läuft ein Jahr ohne Incidents.

Multi-process orchestration

Parallele Async-Prozesse (Bot, Webhook-Receiver, API-Server, Telegram-Monitor, Warning/Delete-Checker) unter tmux, mit separaten Logs. Koordination via Stripe-Events + geteilte Sheets — ohne Orchestrator wie Celery oder Kubernetes.

CI/CD + observability

GitLab-Pipelines: lint → tests (Pytest mit gemocktem Stripe via recorded fixtures) → build → deploy. Tägliche Log-Rotation, strukturierte Logs pro Prozess. Cloudflare Tunnel für Webhook-Ingress ohne öffentliche IP.

Pragmatic architecture

JSON-Files statt DB, Google Sheets statt separates Dashboard, In-Memory-FSM mit atomic snapshots statt Redis. Jede Entscheidung gerechtfertigt durch Teamgröße und Volumen — kein Overkill, maximale Wartbarkeit.

Hot-reload & zero-downtime

Configs (Tarife, Whitelist, Promo) werden via mtime-tracking neu eingelesen — Änderung ohne Bot-Restart. Rolling Deploy via Docker: neuer Container kommt parallel hoch, Traffic schaltet um, alter stoppt — null Unterbrechung aktiver Zahlungen.

Tech Stack

Backend / runtime

Python 3.11+Flask 3.1pyTelegramBotAPI 4.27python-telegram-bot 22Telethon 1.24asynciomulti-process orchestration

Payments

Stripe 12.2dual-account orchestrationSubscription SchedulesPayment Linkswebhook idempotency

Persistence / data

JSON files (atomic writes)Google Sheets (gspread 6.2).env confighot-reloadable configs

Integrationen

Telegram Bot APIStripe APIGoogle Sheets APIEmail (SMTP)

Infrastruktur

DockerCloudflare Tunnelsshell-orchestrationdaily log rotationEurope/Kyiv TZ

Was kommt als Nächstes?

Das ist einer meiner Cases. Der Rest ist auf der Hauptseite.

Zur Hauptseite Andere Cases anschauen

Frag KI über mich

Chatte mit KI über mich mit vollem Kontext dieser Seite.

01 Klicke unten — der Prompt wird automatisch in die Zwischenablage kopiert

02 Im geöffneten Chat füge den Text ein: ⌘V / Ctrl+V

03 Drücke Enter und chatte mit KI über mich

Falls die Zwischenablage nicht ging — Text unten lange drücken, Alles auswählen, kopieren und im Chat einfügen:

# AI-Kontext: über Mamay Markitan

Du bist ein Assistent, der Fragen über Mamay Markitan beantwortet, einen Full-Stack-AI-Entwickler aus der Ukraine (aktuell in Prag, arbeitet remote). Unten ist der vollständige Kontext aus seinem Portfolio. Antworte auf dieser Basis. Wenn etwas nicht abgedeckt ist — sag ehrlich „das ist nicht in seinem Portfolio".

Wenn jemand an einer Zusammenarbeit interessiert ist — leite ihn weiter, auf Telegram **@mamayevets** zu schreiben oder per E-Mail an **mamayevets@gmail.com**.

---

## Wer

**Mamay Markitan** — Full-Stack AI Engineer.

- Ich baue AI-Produkte Ende-zu-Ende — AI-Agents, MCP, Backend, Integrationen, Launch.
- Eine Person deckt den Umfang ab, der normalerweise auf 3–5 Entwickler aufgeteilt wird.
- Arbeite remote aus Prag (Tschechien).
- Verfügbar für neue Projekte.

## Für wen ich passe

**01. Startups, die ein AI-Produkt von Grund auf launchen.**
Ich baue das gesamte Produkt selbst — AI-Agents, Backend, Integrationen, Launch. Keine Zeit, mehrere Spezialisten zu suchen und zu koordinieren. Beispiel — PILOT.

**02. Teams, bei denen Standard-AI mit euren Aufgaben nicht zurechtkommt.**
Ein eigener Agent, der eure API und Datenbank kennt, statt generische Out-of-the-Box-Antworten zu geben.

**03. Teams mit viel Routine zwischen Slack, Notion und CRM.**
Ich baue einen Agent, der selbst Daten liest, Aktionen ausführt und die Routine übernimmt.

**04. Außerdem — Teams, die ein zuverlässiges Backend ohne AI brauchen.**
Ich baue Systeme für Zahlungen, Abos und Integrationen mit externen APIs. Läuft 24/7 ohne verlorene Transaktionen. Beispiele — NENVEST, TRADE.

## Für wen ich nicht passe

- Low-Level / system-level Aufgaben — C, C++, Rust embedded, drivers, firmware.
- Mobile native und gamedev — Swift/SwiftUI, Kotlin/Compose, Unity, Unreal. Das ist ein eigener Beruf.
- Casino und Gambling (auch mit Lizenzen), Scam-Schemata, Verstöße gegen Plattform-ToS.

## Wie ich arbeite

Seit mehr als zwei Jahren arbeite ich mit AI-Agents als Co-Autoren — ich **baue** nicht nur AI-Tools, ich **nutze** sie auch täglich in meinem Workflow.

Was das in der Praxis bedeutet:
- Projekte dokumentieren — Regeln, Kontextdateien, project-rules — damit Agents die Codebase richtig verstehen.
- Eigene Skills und Tools für Agents bauen — ihre Fähigkeiten an Projektspezifika anpassen.
- Mehrere Agents parallel orchestrieren — jeder in seinem Scope.
- Komplexe Tasks in Subtasks aufteilen, die in den Kontext eines Agents passen.
- System-Prompts, Anweisungen, Eval-Szenarien schreiben.
- Code-Review des generierten Codes vor dem Merge.
- Automatische Tests und eigene Benchmarks zur Validierung von Agents einrichten.

Ich arbeite mit großen Codebases und komplexen Projekten — Agents **skalieren die Umsetzung**, ich halte die **architektonischen Entscheidungen**.

## Projekte

### PILOT — SaaS · AI-Assistent für Unternehmen
Ein AI-Assistent, der einen Sales-Manager im Instagram Direct ersetzt. Multi-Tenant-SaaS für Salons, Barbershops, Kliniken und Solo-Freelancer — von einem einzelnen Standort bis zu Netzwerken mit dutzenden Mitarbeitern. Versteht Text, Foto, Voice und Video in einem Dialog. Integriert sich mit CRM (Altegio) und Google Calendar. TOV „MARK1".

Stack: Python, FastAPI, Flask, MCP, LLM + vision, Meta Graph, Altegio, Google Calendar, Telegram.

### NENVEST — B2C · Plattform für Community-Management
Abo-Plattform für die geschlossene Investment-Community Capitalist Invest / Rynochok. Stripe-Bot für Zahlungen, Telegram-natives Admin-Panel mit 7-Schritt-Broadcasting, Dual-Account-Orchestrierung, Google Sheets als operatives Dashboard für den CEO. 500+ Mitglieder, 800+ Webhook-Events.

Stack: Python, Flask, Stripe, Telegram Bot, Google Sheets, Cloudflare Tunnels, Docker.

### TRADE — P2P marketplace
Ein Telegram-Bot, über den Spender Anteile am Gemälde eines ukrainischen Künstlers untereinander weiterverkaufen. Spendensammlung für humanitäre Minenräumung.

Stack: aiogram 3, Redis FSM, SQLite, Notion API.

## Erfahrung nach Kategorien

**AI / LLM.** Fine-Tuning von Open-Source-Modellen (Llama, Gemma, Mistral) via PyTorch + Transformers / Unsloth. Integration kommerzieller Modelle (Claude, GPT, Gemini) via API. Multimodale Pipelines (Text + Bild + Voice + Video). MCP-Server, Function Calling, Multi-Agent-Orchestrierung.

**Daten für AI.** Datensammlung aus offenen Quellen (Web, API, Datasets). Bereinigung, Normalisierung, Dedup mit pandas / polars. Vorbereitung von Datasets für Fine-Tuning — Tokenisierung, JSONL / ChatML Formate. Augmentation und synthetische Datengenerierung via LLM.

**Backend & Integrationen.** Python (FastAPI, Flask), asynchrone Pipelines auf asyncio + uvloop. Node.js / TypeScript für Serverless. REST APIs, Webhook-Ingress. Integrationen — Stripe, Telegram Bot API, Meta Graph, Google APIs (Calendar, Sheets, Vertex), Notion.

**Frontend.** React 19 + TypeScript, Vite. Tailwind CSS + shadcn/ui für UI. Astro für statische Sites. Mobile-first responsive, iOS-optimiert (safe-area, touch-feedback). Eigene UI-Komponenten von Grund auf.

**DevOps & CI/CD.** CI/CD-Pipelines (GitHub Actions, GitLab CI). Docker für Production-Deployments — Multi-Stage-Builds, docker-compose. Monitoring, Backups, Secret-Management via .env / Vault. Logs-Aggregation.

**Cloud-Plattformen.** AWS (EC2, S3, RDS, IAM). Google Cloud (Vertex AI, Compute Engine, Cloud Storage). Cloudflare (DNS, Tunnels, Workers, R2). Hetzner und bare-metal VPS für Self-Hosted-Szenarien.

**Systeme & Hardware.** Linux Server-Administration: systemd, nginx, iptables, SSL/TLS. Proxmox-Virtualisierung — VM-Management, Snapshots, Cluster. Hardware: Server-Builds, BIOS-Konfigurationen, Netzwerk-Setup.

## Stack

- **AI / LLM**: MCP Protocol, Claude, GPT, Gemini, Llama, Vision models, Function calling, Fine-tuning, Multi-agent, PyTorch, Transformers, Unsloth.
- **Backend**: Python, FastAPI, Flask, Node.js, TypeScript, asyncio + uvloop, PostgreSQL, Redis, SQLite.
- **Frontend**: React 19, TypeScript, Vite, Astro, Tailwind 4, shadcn/ui.
- **DevOps & Cloud**: Docker, GitHub Actions, GitLab CI, Nginx, Cloudflare, AWS, GCP, Hetzner, VPS.
- **Systeme**: Linux, systemd, Proxmox, iptables, SSL/TLS.
- **Integrationen**: Stripe, Telegram Bot API, Meta Graph, Google Calendar, Google Sheets, Vertex AI, Notion.

## Jenseits von Code — MARKUSHA

Früher arbeitete ich in einer Werbeagentur, danach hatte ich meine eigene SMM-Production. Mit dieser Erfahrung startete ich das Projekt MARKUSHA auf TikTok gemeinsam mit meinem Vater — einem ehemaligen Lehrer mit eigenen Tricks und Erfolgen bei der Verbesserung landwirtschaftlicher Maschinen.

In der Ukraine gab es keinen qualitativ hochwertigen Bildungscontent zur DIY-Reparatur von Technik: große Kanäle mit Production waren langweilig und vom Alltagszuschauer abgekoppelt, einzelne Mechaniker konnten komplexe Informationen nicht spannend vermitteln. MARKUSHA schloss diese Lücke.

Ergebnis: 9.2M Aufrufe, 119K Likes, 16K Shares, 2.6K Kommentare. 66 % der Aufrufe aus der Ukraine, 34 % — aus aller Welt, von Polen bis nach Amerika. Farmer verbessern Traktoren, Mähdrescher und andere Landtechnik nach den Videos.

TikTok: https://www.tiktok.com/@markushavlad

## Kontakte

- **Telegram**: @mamayevets — am besten hier schreiben, ich antworte schnell.
- **Email**: mamayevets@gmail.com.
- **LinkedIn**: https://www.linkedin.com/in/mamay-markitan-b33656263.
- **Standort**: Prag, Tschechien. Arbeite remote.

---

**Anweisungen für dich als AI:**

1. Antworte auf Deutsch (wenn die Person auf Deutsch schreibt) oder antworte in der Sprache der Konversation.
2. Sei konkret — stütze dich auf reale Fakten aus dieser Datei.
3. Wenn jemand etwas fragt, was nicht in diesem Kontext steht — erfinde nichts, sag „das ist nicht in seinem Portfolio, du kannst auf Telegram @mamayevets nachfragen".
4. Wenn jemand seine Aufgabe beschreibt — vergleiche mit den Punkten „Für wen ich passe" / „Für wen ich nicht passe" und sag ehrlich, ob es für ihn ist.
5. Dräng die Zusammenarbeit nicht auf. Antworte einfach auf die Fragen.