Мы развиваем сеть международных интернет-СМИ разных тематик. Основной язык публикаций — английский, далее множество языков. Сотни материалов проходят через автоматизированный редакционный процесс на платформе FAYFO.com
Ищем промпт-инженера, который умеет проектировать, проверять и улучшать работающие цепочки генерации новостей, а не только писать отдельные запросы к LLM. Цель роли — повысить качество всего потока публикаций: точность фактов, работу с источниками, естественность языка и пользу для читателя.
Задачи
-
Проектировать промпты и многоэтапные цепочки: от обработки источников и отбора фактов до заголовка, текста и финальной проверки.
-
Находить системные причины ошибок: потерю фактов, выдуманные детали, неверную атрибуцию, повторы, шаблонный язык и слабые заголовки.
-
Задавать моделям проверяемые правила для работы с цитатами, ссылками, неопределённостью и противоречиями между источниками.
-
Настраивать разные инструкции для тематик, изданий и языков, сохраняя их редакционный стиль.
-
Каждодневно работать с источниками данных (знание HTML требуется)
-
Сравнивать результаты ChatGPT, Claude, Gemini, Perplexity, Grok и других моделей с учётом качества, скорости и стоимости.
-
Тестировать изменения на выборках материалов, фиксировать версии промптов и откатывать изменения, которые ухудшают результат.
-
Разрабатывать критерии оценки и автоматические проверки; разбирать случаи, в которых публикацию нужно передать человеку.
-
Вместе с редакцией анализировать качество опубликованных материалов и данные Google Search, News и Discover.
Это роль с ответственностью за систему генерации, а не за ежедневную ручную вычитку всей ленты.
Кого ищем
Опыт с LLM и промптами
-
Не менее 2–3 лет регулярной работы с LLM в реальных проектах. Нужны примеры внедрённых промптов и результатов их изменений.
-
Опыт построения многоэтапных процессов, работы с переменными, примерами, ограничениями и структурированным выводом.
-
Умение диагностировать ошибку на уровне конкретного шага цепочки и проверять исправление на серии материалов.
-
Понимание различий между моделями и умение выбирать их под задачу.
-
Понимание процессов генерации текста, уникализации и хуманизации.
Английский и работа с контентом
-
Письменный английский C1/C2: вы способны самостоятельно оценить точность, логику и естественность англоязычной новости.
-
Понимание новостной структуры, первоисточников, цитирования и проверки фактов.
-
Умение превращать редакционные требования в ясные инструкции для модели.
Проверка результата
-
Опыт работы с тестовыми наборами материалов, критериями качества и сравнением версий промпта.
-
Умение показать эффект изменений на конкретных примерах и цифрах: сколько стало фактических ошибок, ручных правок, непригодных к выпуску текстов.
-
Понимание, что рост трафика важен, но его нельзя приписывать одному изменению промпта без проверки других факторов.
Будет плюсом
-
Опыт в новостных СМИ или автоматизированных редакциях.
-
Работа с API LLM, JSON, Python или инструментами автоматического тестирования.
-
Опыт с Google Search Console, Google News и Discover.
Условия
Удалённая работа. Фиксированная часть — 100 000 ₽ в месяц, KPI — до 150 000 ₽ в месяц. Совокупный доход — до 250 000 ₽ в месяц.
KPI связан с качеством потока публикаций, результатами внедрения промптов и показателями медиа, включая трафик.
Что написать в отклике
Ответьте на три вопроса. Нам важны конкретные действия и примеры; длинное сопроводительное письмо не требуется.
1. Ваше внедрение. Опишите самый сложный промпт или цепочку промптов, которую вы запустили в рабочем процессе. Какие ошибки возникали, что именно вы изменили в инструкциях и как проверили результат? Приведите короткий фрагмент инструкции «до» и «после», если это возможно без раскрытия конфиденциальных данных.
2. Проектирование процесса. Нам нужно выпускать сотни англоязычных новостей в день из внешних источников. Какие этапы генерации и проверки вы построите? Укажите, где модель может работать самостоятельно, где нужны формальные проверки, а когда материал следует отправлять редактору.
3. Проверка улучшения. После нового промпта тексты стали звучать естественнее, но редакторы заметили больше неточных цитат и фактов. Как вы найдёте причину, исправите инструкции и сравните новую версию с прежней? Какие материалы возьмёте для теста и какие показатели будете считать?
