AI-инженер

Рувики - это новый проект интернет-энциклопедии. Мы собираем и публикуем только достоверную информацию и создаем удобную информационную площадку для наших пользователей.

Мы ищем инженера-практика, который любит кодить, быстро проверять гипотезы и выводить сервисы на прод. Ваша зона ответственности — превращать возможности больших языковых моделей (GPT, GigaChat и др.) в реальные инструменты для редакторов и читателей.

Чем предстоит заниматься:

• Разрабатывать и поддерживать микросервисы и API на Python, которые интегрируют LLM-модели с контентной платформой Рувики.
• Создавать LLM-пайплайны для различных бизнес-задач: генерация справочных статей-заготовок, автоматический перевод, суммаризация, детектирование ошибок и вандализма, классификация контента.
• Использовать различные внешние API и сервисы для сбора информации.
• Встраивать AI-узлы в текущие автоматизированные процессы.
• Оптимизировать запросы (prompt engineering), подбирать температурные режимы, применять техники few-shot / RAG.
• Писать тесты, проводить эксперименты и проверять гипотезы.
• Работать с SQL-based базами данных.
• Проверять с продуктовой командой гипотезы и исследовать качество различных аспектов генеративных моделей.
• Мониторить и анализировать эффективности внедренных решений.
• Документировать свою работу и вести репозиторий.
• Работать в связке с менеджером по продукту, аналитиком и другими разработчиками.

• 3+ лет опыта продакшн-разработки на Python.

• Опыт интеграции LLM-моделей** (OpenAI, Claude, YandexGPT, Llama 2/3 и др.) в рабочие сервисы — от прототипа до продакшн-релиза.

• Опыт построения RAG-систем (Retrieval-Augmented Generation) от 1 года:

• проектирование и реализация пайплайнов генерации ответов на основе внешних источников данных.

• применение семантического поиска, re-rankers и гибридных retrieval-механизмов (вектор + текстовый / графовый поиск).

• настройка chunk-разбиения, индексирования и контекстного извлечения знаний.

• оценка и оптимизация RAG-систем по метрикам faithfulness, recall, precision@k.

• интеграция RAG-компонентов с LLM-моделями через LangChain, LlamaIndex или собственные решения.

• Понимание принципов prompt engineering, проектирование и настройка подсказок с примерами (few-shot, chain-of-thought).

• Знание архитектуры REST/gRPC, принципов контейнеризации и DevOps.

• Умение интерпретировать результаты работы моделей и оценивать их качество.

• Понимание возможностей и ограничений LLM-моделей.

• Высокий уровень письменного русского языка.

• Английский — не ниже Intermediate.

• Гибкость и умение работать без детального ТЗ.

Будет плюсом:

• Опыт работы с MediaWiki или другими контент-платформами.

• Опыт написания парсеров и работы с большими объёмами неструктурированных данных.

• Понимание подходов knowledge graph + RAG, семантической индексации и reranking-алгоритмов.

• Работа с векторными и графовыми базами данных (FAISS, Qdrant, Pinecone, Neo4j, ArangoDB и др.).

• Проектирование связей между документами и построение графа знаний для улучшения качества генерации.

• Уровень дохода обсуждается с финальным кандидатом по итогам собеседования.

• Интересные задачи, крутые кейсы, возможность выйти на новый профессиональный уровень.

• 100% «белая» заработная плата, официальное трудоустройство по ТК РФ с первого дня.

• Полная занятость или комбинированный формат работы.

• Пятидневная рабочая неделя, с пн-пт.

• Шаговая доступность от метро Белорусская.

• Дружный и неравнодушный коллектив профессионалов.

• Программа ДМС после успешного прохождения испытательного срока.