Локация: Москва, Покровский бульвар, 4/17с1. Формат работы: на месте работодателя или гибрид.
Зарплата: до 200 000 ₽ на руки в месяц.
Компания
QSOFT — российский digital-интегратор с экспертизой в AI и ML, развивающий высоконагруженные digital-проекты для бизнеса и государственных структур. В направлении TEAMLY создаётся цифровое пространство для совместной работы, управления знаниями и автоматизации рутинных задач.
Что делать
•Развивать HTTP API и бизнес-логику асинхронных Python-сервисов на FastAPI.
•Проектировать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов.
•Создавать агентные сценарии на LangChain, LangGraph и deepagents с инструментами, middleware, ограничениями вызовов и защитой от циклов.
•Улучшать семантический поиск, включая chunking, dense/sparse retrieval, фильтры Qdrant, reranking, RRF и управление token budget.
•Развивать событийную индексацию контента через Kafka и обеспечивать мультитенантность с фильтрацией по правам пользователей, групп и сообществ.
•Интегрировать LLM-, embedding- и reranking-провайдеров, работать с базами данных, тестами, наблюдаемостью и архитектурными решениями.
Требования
•От 1 года до 3 лет опыта; уверенное владение Python и практический опыт разработки backend-сервисов.
•Понимание асинхронного программирования: event loop, конкурентный I/O, таймауты, отмена, управление ресурсами и graceful shutdown.
•Опыт разработки API на FastAPI или сопоставимом Python-фреймворке.
•Практический опыт с PostgreSQL и SQLAlchemy: транзакции, конкурентный доступ, индексы, миграции и диагностика запросов.
•Понимание событийной архитектуры Kafka, RAG, embeddings, retrieval, reranking и ограничений LLM.
•Умение писать unit- и интеграционные тесты для асинхронного кода и находить причины проблем в существующей кодовой базе.
Хорошо, если есть
•Production-опыт с Qdrant или другой векторной базой, hybrid search и оценкой качества ранжирования.
•Опыт разработки LLM-приложений на LangChain, LangGraph или другом orchestration framework.
•Опыт со structured output, function/tool calling и потоковой генерацией.
•Понимание prompt injection, разграничения доступа к данным и рисков безопасности RAG/agent-систем.
•Опыт эксплуатации Kubernetes, observability, локальных моделей, vLLM или Ollama.
Культура и преимущества
•Работа над AI-функциями платформы, которой ежедневно пользуются тысячи людей.
•Технологический стек включает Python 3.12, FastAPI, PostgreSQL, Redis, Kafka, Qdrant, LangChain, LangGraph, Docker, Kubernetes и GitLab CI.
•В задачах используются структурированные логи, технические метрики, OpenTelemetry и трассировка LLM/RAG через Langfuse.
•Предусмотрено участие в декомпозиции задач, code review и принятии архитектурных решений.
