YaizY – образовательная платформа, которая помогает школьникам осваивать навыки 21 века и готовиться к цифровым профессиям будущего. Сейчас компания запускает новый продукт с нуля для нового рынка – AI Math Tutor, персональный AI-репетитор по математике для школьников.

Что предстоит делать

  • Отвечать за всё, что связано с AI-логикой продукта — от промптов до аналитики учебного поведения.
  • Проектировать и итеративно отлаживать промпты для AI-тьютора: проверка решений, диагностика ошибок, генерация педагогического фидбека.
  • Строить pipeline проверки ответов: распознавание рукописных решений с whiteboard (скриншот → AI → структурированная оценка).
  • Разрабатывать многоуровневую систему подсказок: от намёка до полного разбора, в духе сократического метода.
  • Классифицировать ошибки учеников: определение типа (знак, формула, операция, логика, пропущенный шаг) и генерация точного объяснения.
  • Проектировать маршрутизацию запросов между моделями: выбор оптимальной модели под задачу (проверка ответа, генерация фидбека, анализ решения) с учётом стоимости, скорости и качества.
  • Строить RAG-pipeline для работы с учебными материалами: теория, правила, примеры задач — AI-тьютор должен подтягивать релевантный контент под конкретную тему и ошибку ученика.
  • Проектировать граф знаний: маппинг зависимостей между математическими концепциями и связи типов ошибок с пробелами в конкретных навыках.
  • Настраивать и оптимизировать работу с OpenAI API: Assistants / Responses API, Structured Outputs, file search для теоретических материалов.

Стек

  • AI: OpenAI Responses API / Assistants API, Structured Outputs, file search (основной провайдер на этапе MVP; далее возможен переход на альтернативные модели или развёртывание собственной модели, включая маршрутизацию запросов между несколькими моделями).
  • Валидация: Zod (серверная проверка AI-ответов).
  • Математика: math.js (детерминированная проверка числовых ответов).
  • Backend: Node.js + Fastify, WebSocket (Socket.io) — на уровне взаимодействия с AI-сервисами.
  • БД: PostgreSQL (попытки, прогресс, паттерны ошибок), Redis (сессии, контекст чата).

Требования

  • Полная занятость, удалённая работа.
  • Практический опыт промпт-инжиниринга для продуктовых задач и итеративная отладка промптов с измеримым результатом.
  • Опыт интеграции LLM в продукт (OpenAI API, Anthropic или аналоги): стриминг, structured outputs, обработка ошибок, fallback-стратегии.
  • Понимание работы LLM на уровне, достаточном для принятия архитектурных решений: контекстное окно, токены, температура, function calling.
  • Опыт работы с несколькими моделями и понимание их сильных/слабых сторон для маршрутизации задач между ними.
  • Умение проектировать pipeline обработки данных с участием AI (вход → предобработка → AI → валидация → результат).

Будет решающим преимуществом

  • Опыт с OpenAI Assistants / Responses API, file search, Structured Outputs.
  • Опыт построения RAG-систем или агентных сценариев в продакшене.
  • Опыт построения графов знаний или работы с онтологиями предметных областей.
  • Опыт развёртывания и файнтюнинга open-source моделей.
  • Навыки анализа данных: умение строить метрики.