инструменты 23 июл 2026 1 мин

Как я создал инструмент для поиска грантов и понял, что говорю не на языке фондов

Сотрудник лаборатории в Гарварде автоматизировал поиск грантов для финансирования исследовательской платформы Beiwe. Построил систему со скрейпингом публичных API и LLM-оценкой релевантности, но столкнулся с неожиданной проблемой: искал по техническим терминам («цифровое фенотипирование»), а фонды пишут о клинических задачах («мониторинг депрессии у подростков»). Решением стала не доработка скоринга, а смена поисковых запросов на язык фандеров.

Поучительный кейс для тех, кто автоматизирует поиск/фильтрацию с помощью LLM: техническая реализация может быть правильной, а результаты — плохими из-за разрыва между терминологией пользователя и терминологией целевой аудитории. Показывает, что промпт-инжиниринг начинается не с модели, а с понимания языка домена.

Это аннотация к авторской статье. Мы не публикуем и не пересказываем чужие тексты целиком — полная версия у автора.

О чём статья

Даже качественный AI-скоринг бесполезен, если скрейпер использует словарь проекта вместо словаря грантодателей — технические термины не совпадают с формулировками заявок
Для надёжности инструмента критично различать открытые заявки (что ещё можно подать) и закрытые награды — иначе половина результатов окажется устаревшей
Построение скоринга на реальной истории финансирования лаборатории (а не на своих представлениях) сразу повышает точность фильтрации
Объяснимый скоринг (почему грант подходит) важнее чистой оценки — без reasoning система остаётся чёрным ящиком для руководителя