О QuantPilot
QuantPilot — это AI-копилот для трейдинга от 3Commas: агенты, которые исследуют рынки, генерируют торговые стратегии, проводят бэктесты и итеративно дорабатывают их вместе с трейдером в чате. Мы создаём его для серьёзных розничных трейдеров, которым нужны инструменты исследования институционального уровня, которые до сих пор были доступны в основном хедж-фондам и проп-дескам.
О роли
Вы присоединитесь к команде Applied AI — небольшой продуктовой команде, полностью сфокусированной на движке за агентом QuantPilot: AI-исследования, генерация стратегий и платформа агента, на которой всё это работает.
Центральная задача этой роли — сделать так, чтобы агенты выдавали стратегии, статистически обоснованные, а не только правдоподобные на вид, и доказать это через оценку (evaluation). Мы оцениваем свою работу по тому, что получают трейдеры, а не по количеству выпущенных фич.
Модели меняются каждые несколько месяцев, поэтому мы вкладываемся в инженерию вокруг них и предпочитаем владеть этим кодом, а не зависеть от тяжёлых фреймворков.
Чем вы будете заниматься
•Владеть архитектурой агента end to end: оркестрация, циклы инструментов, управление контекстом, песочницы и маршрутизация моделей, включая компромиссы качества, стоимости и задержки при работе в продакшене.
•Владеть контрактами между движком и продуктом, включая то, как фронтенд отображает события агента.
•Строить и владеть слоем оценки: офлайн-эвалы, метрики качества на основе бэктестов и обнаружение регрессий при каждом изменении промпта или модели.
•Привносить статистическую строгость в оценку стратегий: обнаружение переобучения, проверки устойчивости, walk-forward и out-of-sample валидация.
•Строить данные, на которых рассуждает агент, с происхождением (provenance), валидацией и согласованной моделью рыночных сущностей, и делать систему достаточно наблюдаемой, чтобы диагностировать недетерминированные сбои в продакшене.
•Формировать то, что строится: уточнять требования с продуктом, задавать техническое направление через RFC и ADR и менторить инженеров, переходящих в LLM-системы.
Что мы ищем
•5+ лет в backend или ML-инженерии, включая минимум год построения LLM-систем в продакшене. Вы понимаете сбои агентов на уровень ниже фреймворка и можете исправлять их в собственном коде.
•Опыт eval-driven разработки: вы можете показать метрику качества, которую честно поддерживали во времени, и как использовали её для улучшения агента.
•Сильный Python и продакшен-фундамент (сервисы, очереди, стриминг, observability, Kubernetes). Вам комфортно идти за багом в TypeScript или Go, и вы относитесь к пайплайнам, миграциям и guard'ам как к настоящей инженерии.
•Применение статистических принципов в методологии бэктестинга.
•Продуктовое мышление: вы оцениваете работу по тому, что получает пользователь, и доводите неоднозначные цели до выпущенных, измеренных результатов.
•Рабочий английский (B2+).
Будет плюсом
•Бэкграунд в количественных финансах: фреймворки бэктестинга, рыночные данные и исследование стратегий, включая подводные камни бэктестинга стратегий на индикаторах.
•Опыт с графами знаний, онтологиями или семантическими слоями. Опыт RAG — плюс.
•Опыт с Go.
•Вы создавали софт на принимающей стороне протокола MCP, например MCP-серверы или инструменты, которые используют агенты.
•Высоконагруженные системы с низкой задержкой в fintech или трейдинге.
•Опыт fine-tuning или обучения языковых моделей.
Инженерия с помощью ИИ
Ответственное использование инструментов разработки с помощью ИИ — ожидаемая часть нашего инженерного процесса. Инженеры используют их в ежедневной работе, оставаясь полностью ответственными за корректность, безопасность, поддерживаемость и влияние на продакшен всего, что они выпускают.
Дежурства (on-call)
Мы верим в принцип «ты построил — ты и запускаешь». Владение сервисом end to end означает быть на связи, когда это важно, поэтому эта роль включает участие в ротации on-call команды за сервисы, которыми вы владеете, выступление первым ответчиком при инцидентах в продакшене и следование нашему процессу реагирования на инциденты.
