О компании
АО «Мособлгаз» — одна из крупнейших газораспределительных компаний России, приглашает в свою команду AI-инженер / LLM-инженер.
Мы развиваем собственную ИИ-платформу для сотрудников компании. Она уже работает и у неё есть реальные пользователи. Модели класса Qwen 100B+ работают на наших серверах в закрытом контуре. Следующий шаг — семантический слой: агенты и RAG поверх данных внутренних информационных систем.
Обязанности
•Разрабатывать агентов на LangGraph: tool calling, многошаговые сценарии, human-in-the-loop, обработка ошибок.
•Строить RAG по внутренним документам: разбор PDF/DOCX, сканов и таблиц, индексация, гибридный поиск (BM25 + dense), реранкинг.
•Делать и развивать агентов для корпоративных систем (Bitrix, Jira, Alfresco, Exchange, 1С): text-to-SQL по MS SQL / PostgreSQL, интеграции через REST API.
•Разбирать ошибки агентов по трейсам, вести регрессионные наборы и метрики качества.
•Вместе с заказчиками вести решение от прототипа до передачи в эксплуатацию и документировать его.
Требования
•От 2 лет разработки на Python, из них от 1 года — LLM-проекты (агенты, ассистенты, RAG). asyncio, FastAPI, pydantic, тесты.
•LangGraph, LangChain или аналоги; function calling, structured output, паттерны агентов (ReAct, plan-and-execute, роутинг).
•RAG на практике: chunking, эмбеддинги, векторный и гибридный поиск (Qdrant, pgvector или аналоги).
•Понимание ограничений LLM и способов их обходить: контекстное окно, галлюцинации, недетерминизм. Умение решить, где нужна LLM, где достаточно детерминированного решения, а где — классического ML, и обосновать выбор по качеству, стоимости и надёжности.
•Оценка качества: собрать тестовый набор, выбрать метрики (recall@k, faithfulness, RAGAS или аналоги), провести офлайн-оценку и side-by-side сравнение версий промпта или пайплайна.
•Уверенный SQL; Docker / Docker Swarm, GitLab CI.
•Умение общаться с бизнес-заказчиками, переводить задачу в техническую постановку и писать понятную документацию.
Будет преимуществом
•Работа с open-weight моделями (Qwen, DeepSeek) и их деплой на vLLM: квантование (FP8/AWQ), guided decoding.
•Опыт с российскими LLM (GigaChat, YandexGPT) через API.
•LiteLLM как шлюз к моделям; OpenWebUI (Functions, Tools, Pipelines).
•Langfuse или LangSmith, LLM-as-a-judge.
•MCP: создание и подключение серверов.
•Защита LLM-систем: prompt injection, маскирование конфиденциальных данных.
•Классический ML для текстов: классификация, кластеризация, бустинги, sklearn (например, для маршрутизации запросов).
Почему стоит к нам прийти
•Развитие. Мы компенсируем затраты на обучение по программам, которые нужны для работы: тренинги, семинары, курсы — поможем расти профессионально.
•Забота о здоровье. После испытательного срока предоставляем ДМС (с софинансированием).
•Комфорт на работе. На территории есть столовая, где можно вкусно пообедать, и корпоративный фитнес-клуб.
•Для семьи. Детям сотрудников предоставляем путёвки в корпоративный лагерь.
•Удобный путь на работу. Организован корпоративный транспорт от метро «Парк Победы».
•Место работы: Рублёво-Успенское шоссе, 1-й километр, 1Б.
•График: 5/2, с 09:00 до 18:00, в пятницу — до 16:45.
