Oddzielny wakat: Fullstack Python + React + TypeScript, który już wysłał LLM do użytkowników

Luka w zarządzie to nie „ktoś, kto również próbował GPT”. Jest to miejsce fullstack: Python na API, React i TypeScript na ekranie operatora oraz funkcja LLM, z którą spotkali się już prawdziwi użytkownicy – ​​przerwanie w środku strumienia, wklejenie 40 stron, dwukrotne kliknięcie przy wysyłaniu. Ten pasek jest celem wpisu.

Napisałem już ogólną rolę fullstack i żądanie inżyniera AI Python, które w produkcji nazwało LangGraph i RAG. Ten kawałek jest kolejnym wakatem. Nie są dla siebie łagodniejszą wersją.

1. Dlaczego ten wpis istnieje

Wiele produktów nie może zatrudnić inżyniera AI, backendu i frontendu do jednej funkcji. Potrzebna jest im jedna osoba, która przekroczyła już granicę produktu z modelem. JD to w równym stopniu decyzja budżetowa, co lista umiejętności.

• Dzieło LLM to powierzchnia w istniejącej aplikacji, a nie platforma wyszukiwania. Użytkownik ma już ekran. Modelka musi z tego żyć.
• „Wysłane do prawdziwych użytkowników” to filtr, który zabija hackaton. Localhost się nie liczy. Demo kawiarni nie liczy się.
• Nazwa Python plus React plus TypeScript została nazwana, ponieważ stos jest już podzielony w ten sposób – FastAPI lub Django po jednej stronie, interfejs użytkownika z wpisaniem po drugiej – i nie będą one finansować przepisywania na Tylko Dalej lub Tylko na Python.

2. Co oznacza „solidny po obu stronach” w oddelegowaniu

Nie oznacza to „Mogę przeczytać inne repozytorium”. Oznacza to, że dana osoba wysłała kontrakt między dwoma środowiskami wykonawczymi i nie pozwoliła im dryfować w piątek.

• Python: API, autoryzacja, zadania, adapter do modelu, tajemnice, które nigdy nie opuszczają serwera.
• React + TypeScript: przerwanie, stany puste i zdegradowane, cytaty jako interfejs użytkownika, karta potwierdzenia narzędzia – a nie zrzut przeceny z modelu.
• Jeden schemat: Pydantic na serwerze, TypeScript z OpenAPI lub wygenerowanego Zoda. Dwa odręcznie napisane interfejsy, które się zmieniają, są przyczyną niepowodzenia tego zatrudnienia w drugim miesiącu.

3. Odfiltrowuje to, co „już zostało wysłane do prawdziwych użytkowników”.

Wywiad dotyczący blizn, a nie zrzut ekranu. Użytkownicy anulują, wkleją książkę i dwukrotnie klikną „wyślij”. Jeśli kandydat nie może wymienić tych trzech, oznacza to, że nie zostały one wysłane.

• Autoryzuj na streamie, nie tylko na stronie. Wyciekły adres URL EventSource to korpus, który wyciekł.
• Przesyłanie strumieniowe jako zdarzenia, które interfejs użytkownika może rozróżnić: token, cytat, propozycja_narzędzia, błąd, gotowe. Połączone ciągi nie mogą pokazywać źródła ani potwierdzenia.
• Nazwany błąd, gdy dostawca nie działa. Napisałem podręcznik dotyczący awarii ChatGPT. Produkt potrzebuje sznurka, a nie pustej bańki.
• Flaga funkcji. Wysłane oznacza, że ​​mogliby wyłączyć ścieżkę modelu bez wycofywania witryny.

4. Kto to publikuje – a kto nie powinien

To wakat jest odpowiedni, gdy produkt ma już interfejs użytkownika, backend ma już Python lub pozostanie Python, a funkcja LLM to jeden wycinek aplikacji. Niedopasowaniem jest sytuacja, gdy praca jest platformą korpusową z wartościami ewaluacyjnymi i wykresem, który musi odmówić.

• Zespoły zalążkowe i małe zespoły produktowe, narzędzia wewnętrzne, agencje, które wysyłają drugiego pilota do istniejącej aplikacji React.
• Nie zastępuje Pythona-pierwszego inżyniera AI, gdy problemem jest nieaktualne pobieranie, wierność i wykres w produkcji. To żądanie to inny artykuł.

Wniosek: dwa miejsca, dwie ceny

Fullstack oznacza tutaj pętlę Python i ekran React współdzielący schemat, strumień i potwierdzenie – i to, że miało to już miejsce na oczach użytkowników. Notatnik w opakowaniu React to nadal notatnik. Zapisz ten wakat jako własną siedzibę. Jeśli ten sam JD wymienia również LangGraph, RAG rurociągi i system LLM będący w produkcji, kupujesz dwóch seniorów. Wyceń to w ten sposób lub podziel post.