Собирать, дорабатывать и запускать AI-агентов под конкретные бизнес-задачи.
Проектировать agent loop: контекст, tools, skills, память, structured output.
Писать tools, мини-оркестраторы, интеграции и технический слой вокруг агента.
Подбирать подходящий формат реализации: SDK, subprocess, готовый фреймворк или собственный harness.
Настраивать orchestration flow, MCP, память, контекст, traces, логи и метрики качества.
Строить evals, проверять новые фичи на базовых кейсах и кейсах из логов.
Анализировать ошибки агента, проблемы с качеством, стоимостью, latency и дебаггингом.
Разбираться в готовых фреймворках и быстро вносить изменения.
Доводить решение до рабочего состояния, а не ограничиваться демо.
Помогать команде выбирать правильный уровень агентности под задачу.
Опыт от 2х лет backend разработки, уверенная инженерная база.
Практический опыт разработки продуктов с агентами и LLM в проде.
Сильное понимание agent loop, context management, tools, memory, orchestration, structured outputs.
Опыт с AI стеком: LangGraph/LangChain, OpenAI Agents SDK, Anthropic Agent SDK, Google ADK, или сопоставимыми решениями.
Практика с MCP, понимание agent-to-agent протоколов.
Опыт работы с системами наблюдаемости и эвалами: Langfuse, LangSmith, Arize Phoenix, Promptfoo, DeepEval, Ragas или аналогами.
Умение проектировать и дебажить интеграции с базами данных, API, очередями и внешними инструментами.
Знание Python обязательно; плюсом будет TypeScript. Дополнительными плюсами будут Go или Rust.
Практика с Open Code, Claude Code, Cursor, OpenAI Codex или аналогичными кодинг агентами.
Портфолио проектов, где видны архитектура, а не только демо.
Умение аргументировать, когда нужен простой SDK, а когда отдельный harness и полноценный control layer.
Москва
Не указана