# Middle Python/AI Developer — разработчик ядра и интеграций агентов
Локация: Москва, улица Ефремова, 10с1к4/3; возможен удалённый, гибридный или офисный формат работы.
Компания
Разработка и улучшение собственного самообучаемого ИИ-агента для корпоративных бизнес-процессов.
Что делать
•Поддерживать и развивать ядро корпоративного ИИ-ассистента.
•Разрабатывать интеграции с внутренними системами, REST API, MCP-инструментами, базами данных, документооборотом и корпоративными сервисами.
•Проектировать агентные сценарии: вызов инструментов, управление контекстом, структурированные ответы и многошаговые процессы.
•Интегрировать LLM разных провайдеров, оптимизировать качество, скорость и стоимость запросов.
•Разрабатывать и поддерживать RAG-системы, поиск по корпоративным знаниям, embeddings и reranking.
•Разрабатывать API и фоновые сервисы на Python, обеспечивать надёжность интеграций, писать автоматические тесты, проводить отладку и разбор инцидентов.
Требования
•От 3 до 6 лет опыта разработки.
•Уверенное знание Python: типизация, ООП, асинхронное программирование и обработка ошибок.
•Опыт разработки API на FastAPI или аналогичном фреймворке, а также практический опыт интеграции внешних и внутренних REST API.
•Хорошее знание SQL и PostgreSQL.
•Опыт работы с Git, Linux, Docker, CI/CD и автоматическими тестами.
•Понимание архитектуры LLM-приложений: tool calling, structured output, управление контекстом и prompt engineering.
•Опыт работы с LLM API и агентными фреймворками.
•Понимание RAG: embeddings, retrieval, reranking и оценка качества.
•Умение диагностировать проблемы распределённых интеграций, доводить изменения до промышленной эксплуатации и находить баланс между качеством, быстродействием и стоимостью.
Хорошо, если есть
•Опыт разработки на базе открытых агентных платформ.
•Знание MCP, LangGraph и LangChain.
•Опыт работы хотя бы с одной из систем Qdrant, Chroma, FAISS, Milvus, Elasticsearch или OpenSearch.
•Опыт работы с Neo4j, GraphRAG или другими графовыми базами знаний.
•Умение настраивать Guardrails и оценивать метрики качества LLM/RAG.
•Знание Kubernetes, observability и эксплуатации GPU-инфраструктуры.
•Знание особенностей работы с VLM, OCR, STT/TTS и голосовыми омни-моделями.
•Опыт интеграции с корпоративными системами и разработки решений с ролевой моделью доступа.
Культура и преимущества
•Работа в команде с разработчиками, дата-сайентистами и аналитиками.
•Возможность удалённого, гибридного или офисного формата работы.
•Офис в пяти минутах от метро «Фрунзенская».
•Возможность карьерного роста до технического лидера.
•Развитие в направлениях AI Engineering, архитектуры агентных систем и MLOps.
