Ищем в команду AI-инженера, который знает как построить систему массового выпуска SEO-контента для спортивных и betting-сайтов.
Задача связана с контентными проектами в конкурентной нише. Необходимо автоматизировать выпуск материалов под поисковые запросы, а именно прогнозы на матчи, превью спортивных игр, бонусы, страницы по лигам, турнирам, командам, странам, платежным методам, коэффициентам и другим темам.
Важно, чтобы материалы создавались на основе данных. В работе должны использоваться фактические расписания матчей, результаты турниров, статистика, коэффициенты, условия бонусов, семантика, поисковые запросы, данные аналитики и другие проверяемые источники.
Что нужно делать
- Проектировать и настраивать AI-агентов для генерации, проверки и обновления контента — прогнозы на матчи, превью, страницы по лигам, турнирам, командам, бонусам, коэффициентам и другим кластерам
- Строить пайплайн массового выпуска страниц: сбор данных → обработка → генерация → проверка → публикация → обновление → анализ
- Работать с SEO-структурой: шаблоны, уникализация, внутренняя перелинковка, метаданные, FAQ, schema.org, canonical, hreflang, sitemap, правила обновления и удаления страниц
- Интегрировать систему с CMS, API, базами данных, парсерами и очередями задач
- Настраивать проверку фактов, дублей, структуры текста, SEO-данных и устаревших условий
- Следить за стабильностью процесса: логи, статусы, повторные попытки, обработка ошибок, дедупликация, лимиты моделей и стоимость генерации
Ожидаемый результат — поддерживаемая AI-инфраструктура, которая массово выпускает и обновляет SEO-страницы. Страницы закрывают поисковые интенты, не дублируют друг друга, не выдумывают факты, нормально индексируются и приносят трафик с конверсией.
Что мы ожидаем
- Практический опыт с AI-агентами, RAG, контентными пайплайнами — не в теории, а с реальными показателями которые можно показать
- Понимание SEO на уровне достаточном чтобы неломать то, что должно индексироваться: интенты, кластеры, programmatic SEO, дубли, каннибализация, thin content, перелинковка
- Умение работать с LLM через структурированные ответы, JSON schema, function calling, guardrails и механики снижения галлюцинаций — модель должна не выдумывать, а опираться на данные
- Опыт с API, JSON, SQL, парсингом, webhooks, очередями задач и нестабильными внешними сервисами
- Понимание RAG, MCP, векторных баз и гибридного поиска — Qdrant, Chroma, Pinecone, pgvector или аналоги
Стек
Жёстких требований нет. Python, JavaScript или TypeScript — плюс. Опыт с n8n, Make, Zapier, Airtable, Supabase, Directus, WordPress API — будет полезен.
Что предлагаем
- Проектная или постоянная занятость — формат обсуждается
- Полностью удалённо
- Возможность строить систему с нуля, а не разбирать чужой хаос
- Задачи на стыке AI, SEO, данных и автоматизации — если вам это интересно, скучно не будет
САМЫЙ ВАЖНЫЙ ПУНКТ
Нам очень важно, чтобы вакансия была прочитана до конца и в описании Вы поняли, что это про Вас. Чтобы отклик не потерялся в ботах и автооткликах - начните отклик со слов «Привет Fortune» и коротко напишите: сколько AI-агентов вы реализовали в реальных проектах и что они делали.
Отклики без этого не рассматриваем.
