Дорогие исполнители, всем добрый вечер!

Требуется хороший promt инженер на момощь в проекте.

обязательно в отклике укажите свой опыт в подобных задачах и бюджет/ставка в час

Техническое задание.
Требование для кандидата:
- Умение составлять правильный promt к нейронной сети. Мы используем API от OpenAI
- Знание JSON
- Знание Python (минимальное)

Краткое описание. Ведется разработка чата, в котором у пользователя спрашиваем вопросы и получаем ответы касаемо написания нужной работы. Работы делятся на следующие категории: "Курсовая работа", "Контрольная работа", "Эссе", и.т.п. (полный список можно запросить). Большинство ответов от пользователя мы обрабатываем при помощи API от OpenAI. После того, как готовы все ответы от пользователя на требуемые вопросы, генерируется работа в word документе.

Список задач:
Задача 1. По предоставленному UX-дизайну следует написать вопросы пользователю. Около 90 вопросов.

Задача 2. Определить на какие вопросы следует добавить обработчик сообщений*. На сообщения, которые нужно обработать, следует составить promt к API OpenAI. Ответ мы записываем в переменную единым форматом*.

*Обработчик сообщений - это функция, которая принимает ответ пользователя и записывает в переменную Python.
*Единый формат - это означает, что ответ от нейронки будет всегда стандартизирован. Это может быть как JSON, так и вывод в виде одной цифры.

Пример ситуаций:
1.
(Вопрос) - Сколько страниц требует работа?
(Пользователь) - Пятнадцать страниц.
Результат. Пользователь ответил правильно, переходим к следующему вопросу.
2.
(Вопрос) - Сколько страниц требует работа?
(Пользователь) - Не знаю.
Результат. Пользователь ответил некорректно, значит вопрос ему задаем заново.

Пример обработчика и единого формата:
После ответа пользователя на вопрос, мы добавляем его ответ к нашему promt к OpenAI. В ответе от API мы ожиданием только "0" или "1". Если пользователь ответил правильно, то ответом от OpenAI мы получаем один символ - "1", мы его переводим в int, после чего он проходит конструкцию if response == 1 и переходит к блоку кода, где пользователю задают следующий вопрос.
Если нейронка отвечает конструкцией: "Хорошо, вот ваш ответ.\n 1", то это ломает код, поэтому нужен стандартизированный ответ. Пример дан только для описание ситуации, решение может быть другим и будет обсуждается во время работы.

Задача 3. Написать promt для генерации плана работы в едином формате. После того, как пользователь ответит на все вопросы, мы используем его ответы, чтобы сгенерировать план. Пример плана работы:
{
"Введение": [],
"Глава 1. Основные положения ликвидации юридических лиц": [
"1.1. Основания и способы ликвидации юридических лиц.",
"1.2. Ликвидация вследствие признания организации (юридического лица) банкротом."
],
"Глава 2. Порядок ликвидации": [
"2.1. Процедура ликвидации юридического лица.",
"2.2. Выплаты денежных сумм кредиторам. Завершение ликвидации."
],
"Глава 3. Проблемные вопросы ликвидации юридических лиц": [
"3.1. Новеллы в ликвидации юридических лиц",
"3.2. Основные проблемы при ликвидации юридических лиц."
],
"Заключение": [],
"Список используемой литературы": []
}
Пояснение. Структура может отличаться, главное, чтобы можно было ответ обработать и записать в переменную.

Задача 4. Написать promt для генерации главы (по готовому плану) в один запрос*. Глава должна генерироваться соответствуя плану, учитывая предыдущие и следующие главы, а также учитывать данные о работе, которые были собраны во время диалога с пользователем. Ответ от нейронки записывается в переменную, поэтому следует исключить её признаки (пример: "Обратитесь ко мне, если потребуется еще помощь").

Один запрос* - при генерации главы столкнусь с ограничением выводимого текста. Ответ был в средним 2000 символов, а хотелось это ограничение снять и получать текст на 20000 символов и более. Если обойти ограничение нельзя, следует объяснить почему и найти альтернативу.


Приемка и сдача работы.
Задачи проверяются воспроизведением поведения пользователя. Конечным результатом ожидается готовая работа, которая будет соответствовать требованиям, которые были собраны во время диалога с пользователем