Vibe Coding Community

один из них был я

Это понятно Но доступы можно в будущем ограничить Сейчас у агента есть полный доступ к контейнеру и это больше как "презерватив" Может защитить от 90% проблем которые возникнут, но если агент очень сильно захочет то сможет вырваться В будущем можно будет урезать права, но пока не вижу смысла тратить на это время

Клауде код не использовал ?

Ну тут и знакомство и успешные кейсы, так что тред выбран норм)

да

Ilya, нажмите кнопку ниже в течение 3 мин., чтобы иметь возможность писать в группе👇🏻

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

когда ты перейдешь на нормальную IDE?)

Stich

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.

в claude тоже есть такая штука

Это систему для бизнеса

А как же contex7 и memory?

@xor_vpn_bot пользуюсь этим. 200р / мес.

Все в одной экосистеме

Я совершенно ноль, но вайбкодить не мешает