Rocket Science

python разработчик AI/Agent-платформы

Коротко

Python-разработчик для бэкенда AI/Agent-платформы: асинхронные конвейеры задач, оркестрация LLM-агентов на LangGraph, RAG-конвейеры с embeddings и векторными хранилищами, API на FastAPI, работа с PostgreSQL/Redis/Kafka. Требуется опыт создания мультиагентных систем, MCP-серверов, обеспечения надёжности и наблюдаемости AI-сервисов. Полностью удалённая позиция уровня middle с графиком 5/2.

Описание
Описания нет
Задачи
•Разрабатывать и развивать бэкенд-сервисы для AI/Agent-платформы на Python
•Проектировать и реализовывать асинхронные конвейеры обработки задач: постановку задач, очереди, воркеры, статусы, повторные попытки и идемпотентность
•Разрабатывать интеграции с AI/LLM и логику их оркестрации: вызывать модели, обрабатывать результаты, управлять контекстом и состоянием задач
•Строить агентские рабочие процессы с использованием LangGraph и аналогичных инструментов оркестрации
•Реализовывать конвейеры RAG: искать контекст, работать с embeddings и векторными хранилищами, формировать контекст для LLM
•Разрабатывать API на FastAPI и интегрировать внутренние и внешние сервисы
•Работать с PostgreSQL, Redis, Kafka/Redis Streams и другими инфраструктурными компонентами
•Обеспечивать надёжность AI-задач: настраивать тайм-ауты, повторные попытки, ограничение частоты запросов, обработку недоставленных сообщений, идемпотентность и отказоустойчивость
•Реализовывать потоковую передачу ответов AI-сервисов, например через SSE, WebSocket или Redis Streams
•Обеспечивать наблюдаемость AI-конвейеров: вести журналы, собирать метрики и трассировки, анализировать задержки и стоимость вызовов LLM
•Участвовать в проектировании архитектуры микросервисов и распределённых систем
Требования
•Уметь разрабатывать LLM-агентов и работать с навыками, памятью, вызовом инструментов и сложными многошаговыми диалоговыми сценариями
•Понимать принципы построения мультиагентных систем и выстраивать взаимодействие между агентами
•Иметь опыт с RAG и поиском: построением конвейеров поиска, индексации и работы с контекстом
•Уметь создавать и интегрировать MCP-серверы, подключать внешние и внутренние системы и инструменты
•Понимать, как строить оценку, трассировку и метрики качества AI-систем
•Уметь оптимизировать задержки, стоимость, производительность и стабильность AI-решений
•Уметь пройти путь от AI-прототипа до запуска в рабочую среду: от архитектуры и экспериментов до запуска, мониторинга и развития продукта
•Владеть Python, FastAPI, Pydantic, PostgreSQL, Redis, Taskiq или аналогами, LangChain, LangGraph, MCP, RAG, Qdrant и Docker
Условия
•График 5/2
•Условий в вакансии нет

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте