Описание
Мы разрабатываем и улучшаем собственного самообучаемого ИИ-агента компании и ищем сотрудника, который хорошо знает текущие фреймворки ИИ-агентов и не боится погружаться в разные бизнес-процессы компании для правильной настройки интеграций.
Задачи
•Поддерживать и развивать ядро корпоративного ИИ-ассистента.
•Разрабатывать интеграции с внутренними системами: REST API, MCP-инструменты, базы данных, документооборот и корпоративные сервисы.
•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.
•Обеспечивать надёжность интеграций: обработку ошибок, авторизацию, логирование, мониторинг и контроль доступа.
•Разрабатывать API и фоновые сервисы на Python.
•Писать автоматические тесты, проводить отладку и разбор инцидентов.
•Улучшать архитектуру, документацию и процессы выпуска изменений.
•При необходимости развивать голосовые, мультимодальные и аналитические возможности ассистента.
Требования
•Уверенный Python: типизация, ООП, асинхронное программирование, обработка ошибок.
•Опыт разработки API на FastAPI или аналогичном фреймворке.
•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, prompt engineering.
•Опыт работы с LLM API и агентными фреймворками.
•Понимание RAG: embeddings, retrieval, reranking, оценка качества.
•Умение диагностировать проблемы распределённых интеграций и доводить изменения до промышленной эксплуатации.
•Умение находить баланс между качеством, быстродействием и стоимостью.
Будет плюсом
•Опыт разработки на базе открытых агентных платформ.
•Знание MCP, LangGraph, LangChain.
•Работа с Qdrant, Chroma, FAISS, Milvus, Elasticsearch/OpenSearch — хотя бы с чем-то одним.
•Работа с Neo4j/GraphRAG/иными графовыми базами знаний и решениями поверх них.
•Умение настраивать Guardrails, снимать и оценивать метрики качества LLM/RAG.
•Kubernetes, observability и эксплуатация GPU-инфраструктуры.
•Особенности работы с VLM, OCR, STT/TTS и голосовыми омни-моделями.
•Опыт интеграции с корпоративными системами и разработки решений с ролевой моделью доступа.
Условия
•Возможен удаленный либо гибридный формат; офис в пяти минутах от метро «Фрунзенская».
•Работа в команде с разработчиками, дата-сайентистами и аналитиками.
•Возможность карьерного роста до технического лидера.
•Развитие в направлениях AI Engineering, архитектуры агентных систем и MLOps.
