Fullstack-developer с реальным опытом LLM (CRM для застройщика)

Fullstack-разработчик с реальным опытом LLM (CRM для застройщика) 

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