Fullstack-разработчик для ИИ-сервиса подготовки карточек товаров SM Lab

196K ₽–244K ₽/мес
Опубликовано 05.11.2026
оценка на руки

Что за роль

Сервис анализирует фотографии и текстовые задания, формирует карточки товаров и передаёт их редактору на проверку. Работа охватывает серверную часть, интеграцию моделей и пользовательский интерфейс.

Чем вы будете заниматься

  • Разрабатывать серверную логику, преимущественно на Python.
  • Интегрировать модели.
  • Разрабатывать интерфейсы на React или Vue с TypeScript.
  • Вести решение целиком — от серверной части до интерфейса.

Требования

  • Сильное знание Python.
  • Опыт разработки приложений с LLM.
  • Умение самостоятельно собирать рабочий продукт.

Что мы предлагаем

  • Удалённый формат работы.

Кто здесь добьётся успеха

→

Уверенно сочетает разработку серверной части на Python с созданием интерфейсов на React или Vue и TypeScript, чтобы самостоятельно доводить функцию от API до экрана редактора.

→

Практично интегрирует большие языковые и мультимодальные модели: умеет превращать фотографии и текстовые задания в структурированные данные карточки, учитывать ошибки генерации и оставлять человеку удобный контроль результата.

→

Для уровня middle важны самостоятельность и системное мышление: кандидат способен разбираться в существующем сервисе, принимать технические решения на стыке бэкенда, моделей и интерфейса и отвечать за качество готового сценария целиком.

→

Комфортно работает удалённо и организует задачи без постоянного контроля: внимательно продумывает состояния загрузки, проверки и исправления карточек, документирует решения и поддерживает предсказуемый темп разработки.

Ресурсы для обучения

Карьерный путь

Фулстек-разработчик ИИ-сервиса подготовки карточек товаров (Сейчас)→Старший фулстек-разработчик: проектирование ключевых функций, интеграций моделей и процессов проверки контента (Через 1–2 года)→Технический лидер направления ИИ-инструментов для электронной коммерции (Через 3–5 лет)

Обзор рынка

Объём рынка Python-разработки, 2026
$14B
Прогнозируемый рост сегмента Python-разработки, 2026
18%
Внедрение генеративного ИИ в разработку ПО
65%
Рост глобальных инвестиций в генеративный ИИ, 2025
+80%

Навыки и требования

Обязательные
PythonLLMReact
Растущий спрос
FastAPI и асинхронный Python для API и сервисов генерации контентаRAG, векторные базы данных и оценка качества LLM-ответовИнтеграция Python с TypeScript-фронтендом: REST, потоковая передача ответов и фоновые задачи
Снижающийся спрос
Ручная генерация карточек товаров по шаблонам без LLM и автоматической проверки качестваСинхронные монолитные Python-приложения на Flask или Django без очередей задач и асинхронной обработки

Тренды отрасли

LLM переходят от черновиков к контролируемой генерации
Сервисы карточек товаров всё чаще используют структурированный вывод, проверку атрибутов и подтверждение человеком, а не публикуют сырой ответ модели. По опросу McKinsey за 2024 год, 65% организаций регулярно применяли генеративный ИИ хотя бы в одной функции. Разработчику полезно показать опыт с JSON-схемами, тестированием промптов и измерением фактической точности.
Каталоги становятся мультимодальными
Генерация описания всё чаще опирается одновременно на текстовые характеристики, изображения и данные о категории товара. По оценке Gartner, к 2027 году мультимодальные модели будут составлять 40% решений генеративного ИИ, против менее 1% в 2023 году. Для этой роли актуальны Python-пайплайны обработки изображений, извлечение атрибутов и защита от неподтверждённых характеристик.

Новости AI/Big Data

Загружаем новости отрасли...

Ищем релевантные статьи за последние 6 месяцев