Python AI Engineer

Обязанности

- Приём R&D-решений от Data Science команды (агенты на AutoGen, RAG-пайплайны на LangChain) и их трансформация в production-ready микросервисы на FastAPI.

- Проектирование и реализация Agent Gateway — оркестрационного слоя между приложением и агентной средой.

- Интеграция векторных баз данных и embedding-пайплайнов в сервисную архитектуру.

- Настройка и оптимизация Redis как брокера очередей между сервисами.

- Проектирование контрактов API (OpenAPI-спецификации) для взаимодействия микросервисов.

- Контейнеризация сервисов, поддержка единого Docker Compose окружения.

- Оптимизация производительности inference-пайплайнов (батчинг, кэширование, управление памятью).

- Участие в код-ревью и соблюдение стандартов разработки.

- Подготовка и актуализация технической документации на сервисы агентной среды.

- Участие в процессах CI/CD и сопровождение приложений в промышленной среде.

Требования

- Опыт коммерческой разработки на Python от 3 лет.

- Уверенное знание Python 3 и основных принципов разработки ПО (ООП, SOLID, паттерны проектирования).

- Опыт разработки backend-приложений с использованием: FastAPI, Django/DRF.

- Опыт проектирования и разработки REST API.

- Понимание кода и архитектуры ML-пайплайнов на базе LangChain, AutoGen или аналогичных фреймворков (умение читать, рефакторить и оборачивать R&D-решения в

production-ready сервисы).

- Опыт работы с векторными базами данных (FAISS, Chroma, Milvus или аналогичные).

- Опыт работы с брокерами сообщений и очередями задач (Redis, RabbitMQ, Celery, ARQ или аналогичные).

- Понимание принципов микросервисной архитектуры.

- Опыт работы с Docker и Docker Compose, оркестрация многосервисных окружений.

- Опыт работы с асинхронным Python (asyncio, aiohttp, uvicorn).

- Опыт работы с Git.

- Понимание принципов CI/CD.

- Уверенные знания SQL и опыт работы с реляционными базами данных (PostgreSQL).

- Опыт работы с объектными хранилищами (MinIO / S3).

Будет плюсом

- Опыт работы с Kubernetes.

- Опыт работы с ML-фреймворками (PyTorch, HuggingFace Transformers) на уровне понимания inference-пайплайнов.

- Опыт развертывания и обслуживания LLM-сервисов (vLLM, TGI, Ollama или аналогичные).

- Опыт работы с Apache Airflow или аналогичными оркестраторами пайплайнов.

- Опыт работы с системами мониторинга и observability (Prometheus, Grafana, ELK).

- Понимание RAG-архитектур: chunking-стратегии, embedding-модели, retrieval-подходы.