ML Engineer (LLM Agents)

О компании
Мы создаём технологическую платформу в домене legaltech, ориентированную на глубокую автоматизацию анализа юридических документов и судебной информации. Продукт находится на раннем этапе, и архитектура системы — от backend-слоёв до LLM-агентов и документных пайплайнов — формируется с нуля.
Мы строим инженерный стек уровня research-grade: сложные пайплайны обработки данных, LLM-agents, RAG-системы, orchestration logic и экспериментальные модули для документных корпусов.

Чем предстоит заниматься

• Проектировать и создавать LLM-агентов, multi-agent pipelines, инструменты с tool-framework’ами и сложной оркестрацией действий.

• Строить прикладные копилоты и сервисы поверх agent-based систем для автоматизации сложных аналитических процессов (в т.ч. юридических).

• Разрабатывать backend-сервисы на Python/FastAPI c низкой латентностью, чистой архитектурой и продакшн-надёжностью.

• Исследовать и проверять новые подходы в области NLP, LLM, retrieval-пайплайнов и мультиагентных систем; быстро формировать экспериментальные гипотезы и проверять их.

• Проводить applied-research: чтение и разбор научных статей, адаптация state-of-the-art методов на реальных данных.

• Создавать MVP решений, прототипы, evaluation pipelines для систем на основе LLM/agents.

• Интегрировать сложные API внешних источников данных, выстраивать высоконадежные пайплайны.

• Работать с PostgreSQL, Redis, очередями, кэшированием, асинхронными конвейерами и pipeline-архитектурой.

• Контейнеризация и DevOps-компоненты (Docker, CI/CD), участие в инфраструктуре ML/LLM-сервисов.

• Брать ownership отдельных модулей и зон ответственности, от дизайна до внедрения и мониторинга.

Требования

• Сильный Python: асинхронность, чистая архитектура, typing, инженерная дисциплина.

• Уверенный ML/NLP-бэкграунд, опыт прикладных решений (не только моделирование, но и пайплайны, отладка, продакшн).

• Практический опыт создания LLM-агентов: инструментальные цепочки, tool-calling, RAG, memory, orchestrators.

• LangChain/LangGraph: chains, agents, multi-agent coordination, tool-frameworks, agent-interaction-logic.

• Уверенная работа с БД: PostgreSQL, индексация, оптимизация запросов, транзакционные модели.

• Разработка backend-сервисов: FastAPI, API-контракты, обработка больших потоков данных.

• Docker и базовый DevOps: контейнеризация, сборка ML-/LLM-сервисов, деплой.

• Умение проектировать поддерживаемый код и системно мыслить: модульность, интерфейсы, инварианты.

• Опыт прототипирования и быстрой сборки MVP (модели + сервисная логика).

• Понимание устройства больших языковых моделей: токенизация, контекстные ограничения, степи генерации, поведение на длинных документах.

Будет плюсом

• Выпускники МФТИ, МИФИ, ВШЭ, ИТМО.

• Продакшн-опыт в ML/LLM-инфраструктуре.

• Опыт работы в стартапах или ownership технических модулей.

• Навыки построения evaluation-framework’ов для LLM/агентов.

• Опыт в retrieval-архитектурах (vector DBs, hybrid search, dense retrievers).

• Знание инструментов распределённых пайплайнов: Celery/RQ/Arq, event-driven механика.

Мы предлагаем

• Редкую возможность строить систему с нуля: архитектура, пайплайны, эксперименты, стандарты качества.

• Инженерные задачи уровня deep-tech: сложная обработка документов, мультиагентные системы, нестандартные API и большие юридические корпуса.

• Возможность влиять на технологическую траекторию продукта и проводить прикладные исследования, которые сразу ложатся в продакшн.

• Быстрый цикл решений, отсутствие бюрократии, высокий технический стандарт.