Вакансия AI / LLM Engineer (Go + Python)
🟢Удаленно 🟢Полная занятость
🟢от 1 800 $
🟢В компанию Scela
Описание вакансии
Ищем AI/LLM Engineer, который будет проектировать и развивать production-системы на базе LLM.
Нам нужен не классический Data Scientist и не специалист, который занимается только промптами. Ищем инженера, который умеет собрать LLM-систему целиком: от prompt/context logic и агентных сценариев до backend-сервисов, интеграций, тестирования и запуска в production.
ОСНОВНОЙ СТЕК — Go + Python.
•Go — используем для production-backend, сервисов и высоконагруженной бизнес-логики.
•Python — для LLM-инфраструктуры, AI-компонентов, прототипирования и экспериментов.
Задачи
•Проектировать и развивать LLM/AI-системы и AI-агентов;
•Строить многошаговые agentic workflows: routing, tool calling, state management;
•Работать с Prompt Engineering и Context Engineering;
•Управлять контекстом, памятью и состоянием диалога;
•Реализовывать structured output и function/tool calling;
•Строить RAG-пайплайны: chunking, embeddings, retrieval, reranking;
•Интегрировать LLM с API, базами данных и внутренними сервисами;
•Разрабатывать backend-сервисы на Go и AI-компоненты на Python;
•Исследовать новые модели и подходы, быстро проверять гипотезы;
•Выбирать модели с учетом качества, latency и стоимости;
•Строить систему оценки качества: evals, regression tests, golden datasets, LLM-as-a-judge;
•Анализировать логи и traces, улучшать качество и стабильность агентов;
•Реализовывать retries, fallbacks, timeouts и обработку ошибок;
•Доводить решения от прототипа до стабильного production.
Требования
Go:
•production-сервисы;
•REST/gRPC API;
•concurrency;
•работа с БД;
•микросервисная архитектура.
Python:
•AI-сервисы и backend;
•async;
•API;
•обработка данных;
•быстрое прототипирование.
Также важно:
•Практический опыт разработки production-приложений с LLM;
•Понимание архитектуры современных AI-систем: prompt → context → tools → agent → state → evaluation;
•Опыт Prompt Engineering: system prompts, few-shot, prompt chaining, structured output;
•Опыт Context Engineering: memory, summarization, динамическая сборка контекста;
•Опыт создания AI-агентов и agentic workflows;
•Работа с LLM API и понимание особенностей разных моделей;
•Понимание RAG: embeddings, vector search, retrieval, reranking, hybrid search;
•Понимание evals, regression testing и анализа production-логов;
•Опыт с PostgreSQL, MongoDB, Redis, Docker, Git, CI/CD;
•Понимание production-подходов: observability, scalability, latency, retries, fallbacks и контроль стоимости.
Будет плюсом
•Multi-agent системы;
•LangGraph;
•MCP;
•Langfuse / LangSmith;
•Elasticsearch / OpenSearch;
•Open-source LLM: Qwen, Llama, DeepSeek и др.;
•vLLM / Ollama;
•Kafka / RabbitMQ;
•Kubernetes;
•Оптимизация token usage, latency и стоимости LLM;
•Guardrails и защита от prompt injection;
•Highload-системы.
Важно
Ищем инженера, который воспринимает LLM не как простой API, а как компонент большой production-системы.
Важно уметь проектировать всю логику вокруг модели: какие данные передать в контекст, какого агента или инструмент вызвать, как проверить результат, обработать ошибку и определить следующий шаг.
Ищем software engineer с сильной AI/LLM-экспертизой, который умеет не только написать хороший промпт, но и довести всю систему до стабильного production-решения.
