Vibe Coding Community
Ir al canal en Telegram
Профессиональное сообщество разработчиков, стартаперов и ИИ энтузиастов. Обсуждаем лучшие практики и успешные кейсы вайб-кодинга, делимся опытом и методиками работы с кодом с помощью ИИ.
Mostrar másEl país no está especificadoLa categoría no está especificada
2 330
Suscriptores
Sin datos24 horas
Sin datos7 días
Sin datos30 días
Archivo de publicaciones
Поэтому я всегда сначала пользуюсь Qwen, потому что результат всё время не гарантированный.
Да и сколько уже было выброшено токенов от Qwen, немереное количество.
Странник, [28 дек. 2025 в 15:52]
# Tech Lead / ML Platform Architect (AI Agents & Business Automation)
Уровень дохода: Обсуждается с успешным кандидатом
Формат работы: Удаленно / Полная занятость
Мы создаём AI-платформу для автоматизации бизнеса — экосистему интеллектуальных агентов, цифровых аватаров и автономных систем, которые берут на себя рутинные процессы: от SMM и контент-генерации до аналитики и взаимодействия с клиентами.
Ищем Tech Lead с сильным ML-бэкграундом, который сможет:
- Проектировать архитектуру AI-платформ и data pipelines
- Подбирать, обучать и дообучать модели под бизнес-задачи
- Строить системы оркестрации AI-агентов
- Выстраивать архитектуру данных для ML-систем
Это роль на стыке ML Engineering, Platform Architecture и Tech Leadership.
---
## 🛠 Технологический стек
### Backend & Platform
| Категория | Технологии |
|-----------|------------|
| Languages | Python , TypeScript , Go (опционально) |
| Frameworks | FastAPI, NestJS, Celery, LangChain, LlamaIndex |
| Databases | PostgreSQL 15+ (pg_vector, TimescaleDB), Redis 7+, MongoDB |
| Vector DBs | Pinecone, Weaviate, Qdrant, ChromaDB |
| Message Brokers | NATS JetStream, RabbitMQ, Apache Kafka |
| Search | Elasticsearch, OpenSearch |
### ML / AI Stack
| Категория | Технологии |
|-----------|------------|
|
| ML Frameworks | PyTorch , HuggingFace Transformers, sentence-transformers |
| RAG & Agents | LangChain, LlamaIndex, AutoGPT patterns, ReAct agents |
| Fine-tuning | LoRA, QLoRA, PEFT, DeepSpeed, vLLM |
| MLOps | MLflow, DVC, BentoML |
| Multimodal | CLIP, Stable Diffusion, Whisper, ElevenLabs |
### Infrastructure & DevOps
| Категория | Технологии |
|-----------|------------|
| Orchestration | Kubernetes (EKS/GKE), Helm, ArgoCD |
| IaC | Terraform, Pulumi |
| CI/CD | GitHub Actions, GitLab CI |
| Monitoring | Prometheus, Grafana, Jaeger, Loki, Sentry |
| Secrets | HashiCorp Vault, AWS Secrets Manager |
| Containers | Docker, multi-stage builds |
### Frontend (понимание)
| Категория | Технологии |
|-----------|------------|
| Web | React , Next.js , TailwindCSS |
| State | Zustand, TanStack Query |
| Mobile | React Native (planned) |
---
## 🎯 Чем предстоит заниматься
### ML Engineering & Model Development
- Подбор и оценка моделей под конкретные бизнес-задачи (классификация, NER, генерация, summarization)
- Fine-tuning и дообучение LLM (LoRA/QLoRA) на domain-specific данных
- Построение RAG-пайплайнов (retrieval, reranking, generation)
- Разработка AI-агентов с памятью, планированием и tool-use (ReAct, Plan-and-Execute)
- Оптимизация инференса: quantization, batching, caching, vLLM
### Platform Architecture & Data Engineering
- Проектирование архитектуры данных для ML-систем (feature stores, data lakes, ETL)
- Построение vector search pipelines (embeddings, indexing, hybrid search)
- Архитектура multi-agent систем и оркестрация агентов
- Проектирование event-driven архитектуры для real-time обработки
- Масштабирование ML-инфраструктуры (GPU clusters, model serving)
### Technical Leadership
- Принятие архитектурных решений и документирование
- Code review и менторинг команды
- Внедрение практик MLOps и DataOps
- Построение процессов: Contract-First API, TDD, CI/CD для ML
---
## 📋 Требования
### Обязательные навыки
ML Engineering:
- Опыт обучения и fine-tuning ML-моделей (NLP, CV или RecSys)
- Практика работы с LLM (OpenAI, Claude, open-source models)
- Опыт построения RAG-систем (embeddings, vector search, retrieval)
- Понимание архитектуры Transformers, attention mechanisms
- Опыт с PyTorch или TensorFlow
Platform & Architecture:
- Опыт проектирования микросервисной архитектуры (3+ лет)
- Глубокое знание Python (FastAPI, async, Celery)
- Опыт работы с векторными базами данных (Milvus/Pinecone/Weaviate)
- Понимание архитектуры данных: data modeling, ETL, feature engineering
- Опыт с PostgreSQL, Redis, message brokers
вот как раз хотел написать
что уже доступна в gemini cli
надо только в настройках включить что то типа "предварительные функции"
Недавно был в Дагестане, впервые в горах. Испытал чувство какого-то величия и восторга.
Погружение в этот мир(ИИ) вызывает подобные чувства)
Всем добра.
Ребятки, на скриншоте gemini cli. что означают эти проценты в скобках?
Я подумал, что это заполненность контекста, но 20 минут назад было 98%, сессию не обновлял, а еще больше накидывал задач
Ибо хули нам бизнесменам, каждый готов ниуя не делать, а получать много и просто
может знаете, есть ли возможность сделать так, чтобы можно было принимать или отклонять изменения, как в курсор? а то он только в конце запрашивает принять или отклонить, и то на все изменения
Ну давай, просвети меня какую сейчас л. LLM модель стоит установить на ПК. Я и так трачу кучу электричества на свой компьютер, а для смартфона его нужно очень мало.
Ну в принципе да, новички это основная аудитория. Но не только.
1. Фрилансеры
Делают сайты для клиентов, им нужно просто поставить WordPress или лендинг и забыть.
2. Те кто тестит идеи/MVP
Надо быстро проверить гипотезу, показать инвестору/заказчику. Времени нет, нужен результат за час.
3. Студенты
Курсачи, дипломы - нужна живая ссылка чтобы показать. Локалхост не прокатит, а настраивать сервер времени нет или не умеют.
4. Сайдпроджектеры
У человека 5-10 пет-проектов, он разбирается в коде, но устал каждый раз настраивать инфру. Нужно быстро задеплоить и забыть.
В общем да, основа это люди которые разбираются в коде, но не разбираются/не хотят разбираться в инфраструктуре. Им нужен быстрый результат без головной боли.
Привет вайб комьюнити!
если интересно моё мнение и обратная связь по текущему уровню вайб кодинга, то вот оно:
Я разраб со стажем 10+ лет (pascal, c++, python, больше бекенда и низкоуровневых проектов), но мобильную разработку трогаю сравнительно недавно (может год-два), и то, потому что не смог найти подходящего мобильного разраба, который готов был бы двигаться со мной в такт, реализовывать мои динамические ТЗ и видение (не бесплатно, вполне себе по конкурентной ставке).
Всё начало меняться, когда появились ллмки вроде Claude 3.7, а позже и 4.0 и такие инструменты как Cursor IDE, Claude Code.
У меня отпала необходимость в разрабе-человеке :) (Ну почти). Мне оказалось гораздо комфортнее, эффективнее и быстрее двигаться с агентами 😜.
Оглядываясь назад, я не сказал бы, что агенты пишут прям 100% рабочего кода. Нет, писать то они могут, но 50-70% такого кода это ОКОЛО функционал, ПРИМЕРНО как надо, ПОЧТИ работало. Но без ручной шлифовки, многочасового дебага такого кода, многоразовых пересылок результата работы от гемини 2.5 про к гпт 5 думающей туда и обратно с уточнениями, фиксами это пока не панацея.
В итоге за примерно пол года (около-фултайма) я реализовал проект на достаточно хорошем уровне (как сам вижу и те кто бета тестят).
Идея витала давно, помню еще в 2023 я общался с чатом гпт в машине голосом и мы обсуждали примерные концепции проекта как это это могло бы выглядеть, я всё никак не мог в голове сформировать видение.
С тех пор общался с другими энтузиастами селф-трекинга, самопознания, тайм менеджемента, перечитал с десяток книг в этом направлении. (Кстати Миссия выполнима - Маргулан Сесенбай оч советую!).
В результате идея окончательно оформилась и я приступил к проработке деталей концепци..
По сути это трекер жизни пользователя и средство для самоконтроля, повышения эффективности, осознанности, фокуса - это лайф копайлот (второй пилот).
Приложение имеет глубокие возможности в гиперперсонализации и кастомизации, позволяет контролировать своё время, энергию, фокус внимания.
