Описание
Привет! Мы - компания "Градиент" и мы ищем Инженера, который возьмёт ownership над качеством и надёжностью наших AI-агентов и LLM-систем. Это глубоко техническая роль на стыке ML-инженерии и разработки: ты будешь проектировать многошаговые агентские сценарии, строить RAG-пайплайны, выстраивать процессы оценки качества и доводить решения до промышленной эксплуатации.
Задачи
•Разрабатывать многошаговые цепочки AI-агентов: orchestration, routing, memory, tool calling
•Проектировать и внедрять цепочки reasoning, проверок и fallback-механизмов
•Диагностировать, где и почему ломается логика AI — не «плохой ответ», а почему система даёт такой ответ
•Ставить guardrails на необратимые действия агентов, определять условия выхода из циклов
•Строить end-to-end RAG-пайплайны: ingestion → chunking → embeddings → vector search + hybrid → reranking → prompt orchestration → grounding
•Экспериментировать с retrieval-стратегиями: гибридный поиск (BM25 + dense), re-ranking, query rewriting
•Организовывать пайплайн данных: сбор, нормализация, индексация, мониторинг
•Разрабатывать и внедрять методики оценки RAG-систем и AI-агентов: offline-метрики, golden datasets, LLM-as-a-Judge, human evaluation, A/B-тесты
•Выстраивать observability: логи, трейсы, мониторинг качества, версионирование промптов и датасетов
•Контролировать retrieval-метрики (Hit Rate, MRR, NDCG@K), groundedness, уровень галлюцинаций
Требования
•Опыт создания агентов на современных фреймворках (LangChain, LangGraph, LlamaIndex и тд)
•Знания стратегий планирования AI-агентов (ReAct, Plan-and-Execute, Reflection и др.)
•Сильный prompt engineering + chain/tool/function calling
•Опыт работы с векторными БД (Weaviate, Pinecone, Qdrant, Milvus и др.)
•Опыт оценки качества LLM-систем (RAGAS, DeepEval, LLM-as-a-Judge или аналоги)
•Понимание агентских протоколов (MCP, A2A и тд)
•Linux, Git, Docker, Python
Будет плюсом
•Понимание атак на LLM (Prompt Injection, Jailbreaks) и защиты от них (Guardrails)
•Опыт дообучения моделей (LoRA/qLoRA) на специфических доменах
•Опыт квантизации и оптимизации инференса (ONNX, AWQ)
•Опыт с графовыми БД (Neo4j) и GraphRAG
•MLOps-инструменты: MLflow, Kubeflow, DVC
•Опыт с Kubernetes и высоконагруженными сервисами
Условия
•Комфортный офис в Бизнес-центре "Алкон", расположенном рядом с метро Сокол
•График работы с 09:00 до 18:00 для поддержания баланса между работой и личной жизнью, а гибридный формат и ДМС ждет тебя после успешного прохождения испытательного срока
•Испытательный срок длительностью 3 месяца для взаимной адаптации
•Работа с современными технологиями и инструментами
•Сильная и дружная команда профессионалов, готовых расти вместе с вами
•Скидки на всю продукцию компании
