Формат: полная занятость · удалённо · язык продукта и команды — русский
О продукте
Развиваем и дополняем рабочую CRM для отдела продаж застройщика жилой недвижимости (Дальний Восток). Системой ежедневно пользуются агенты и руководители: ведут клиентов и сделки, подбирают квартиры из живого остатка, планируют продажи и отслеживают источники лидов. Интеграции: amoCRM, Calltouch (коллтрекинг), Telegram.
Задача — не исследовательские демо, а AI-функции, которыми реально пользуются менеджеры каждый день.
Технологический стек
Frontend: Vue 3 (Options API), Quasar 2, Pinia, Vue Router, axios, ECharts
Backend: PHP (REST API)
Данные/интеграции: amoCRM, Calltouch, Telegram-бот AI: OpenAI / Anthropic API и/или открытые модели (Llama, Qwen, GigaChat, YandexGPT)
Что предстоит делать
- Дорабатывать CRM по задачам бизнеса
- Проектировать и внедрять LLM-функции в существующий SPA и REST-бэкенд
- Строить RAG поверх внутренней «Базы знаний» (помощник по скриптам продаж и вопросам агентов)
- Подключать AI-подсказки в подборе квартир (drag-and-drop конструктор предложения по бюджету/площади/комнатности/отделке)
- Делать авто-саммари сделок и клиентов, анализ звонков/лидов из Calltouch
- Извлекать структурированные поля из «сырых» заметок менеджера
- Настраивать оценку качества (evals), защиту от галлюцинаций, безопасный вывод в UI
Требования (обязательно)
- Реальный продакшн-опыт с LLM: хотя бы одна пользовательская AI-фича, доведённая до живых пользователей.
- Готовность рассказать, что ломалось и как чинили (latency, стоимость, галлюцинации, регрессии промптов)
- RAG на практике: чанкинг, эмбеддинги, векторное хранилище (pgvector / Qdrant / Weaviate / Elastic), тюнинг качества выдачи
- Function/tool calling и структурированный вывод: ответы по JSON-схеме, валидация, ретраи при некорректном ответе модели
- Опыт с провайдерами: OpenAI и/или Anthropic; плюсом — путь на открытую/on-prem модель (данные на русском и чувствительные)
- Веб-стек для интеграции: уверенно во Vue/Quasar SPA и REST-бэкенде (PHP — плюс; если нет, сильный общий бэкенд и готовность вникнуть)
- Понимание нюансов русского языка в LLM: качество промптов и eval-наборов на русском, разница в токенизации/стоимости
- Evals и безопасность: офлайн-наборы для оценки, регрессионные проверки промптов, работа с PII, понимание prompt-injection и обязательной санитизации AI-сгенерированного HTML перед рендером
Будет плюсом
- Опыт с amoCRM / Calltouch / Telegram Bot API
- Стриминг ответов (SSE), кэширование (semantic/prompt caching), учёт стоимости токенов Speech-to-text (транскрибация и анализ звонков)
- Базовый MLOps: версионирование промптов, observability (Langfuse / Helicone / OpenTelemetry)
Условия
Уровень дохода — по итогам собеседования, обсуждается индивидуально
Формат — удалённо, оформление обсуждается
