Задачи
•Обеспечение технической поддержки AI-сервисов: разбор пользовательских обращений, диагностика причин проблем, подготовка и сопровождение ответов до полного решения
•Взаимодействие с поставщиками AI-моделей и сервисов: оформление заявок, контроль выполнения, сбор обратной связи и улучшение качества сервиса на основе инцидентов
•Разработка автоматических ответов и сценариев реагирования для типовых и повторяющихся запросов пользователей
•Сбор тикетов из Jira, сервис-десков и мессенджеров, и их структурирование в единые потоки задач
•Создание и развитие AI-бота с архитектурой RAG: настройка системы ретривала, актуализация базы знаний, формирование и контроль качества генерируемых ответов
•Разработка и поддержка backend-сервисов на Python (FastAPI, asyncio): проектирование API, обработка запросов, интеграция с внешними системами и провайдерами
•Разработка высоконагруженных сервисов и интеграций на Go для сбора и обработки пользовательских обращений
•Написание автоматизированных тестов и проведение оценки качества ответов AI-бота и автоматических сценариев
Требования
•Коммерческий опыт разработки на Python от 3 лет, из которых не менее 1 года — в автоматизации процессов, ML/AI-проектах или интеграционных решениях
•Уверенное владение вторым языком программирования (предпочтительно Go) для разработки сервисов и интеграций
•Практический опыт работы в технической поддержке или сервисных процессах: коммуникация с пользователями, обработка обращений, сопровождение задач до закрытия
•Навыки взаимодействия с внешними поставщиками услуг: формулирование требований и заявок, контроль выполнения, передача обратной связи от пользователей
•Умение структурировать входящие потоки информации и выстраивать процессы обработки тикетов и запросов
•Глубокое понимание принципов работы LLM: токенизация, context window, temperature, structured output, prompt engineering
•Опыт работы с фреймворком FastAPI и асинхронным программированием (asyncio): проектирование REST API, middleware, обработка ошибок
•Опыт эксплуатации и оптимизации баз данных PostgreSQL и Redis
•Базовые знания в области контейнеризации и оркестрации (Docker, Kubernetes), понимание архитектуры кластерных сред
•Опыт разработки систем оценки (evals) и автоматизированных тестов для LLM-приложений
Условия
•Возможность выбора формата работы (гибрид/удаленка)
