Москва
Метро: Библиотека им.Ленинаred_mad_robot — технологическая компания с экспертизой в запуске цифровых продуктов и новых бизнесов. Включает red_mad_robot AI — центр исследований и разработки ИИ-решений.
Ищем опытного backend-инженера уровня middle+/senior, который умеет быстро решать задачи, работать с GenAI и агентскими системами, доводить решения до production и комфортно использует вайбкодинг для ускорения разработки. Роль сфокусирована на инженерных задачах и быстрой доставке результатов.
Разрабатывать backend-сервисы и интеграции для GenAI-фич: RAG, агентские сценарии, tool calling, workflow, guardrails.
Быстро собирать прототипы и проверять гипотезы, в том числе с помощью вайбкодинга и AI-ассистентов, затем доводить код до production-качества.
Проектировать API и внутренние контракты для AI-компонентов: auth, rate limiting, retries, timeouts, token exchange, idempotency.
Работать с корпоративными интеграциями: Keycloak, Auth0, Azure AD, Okta; OAuth2 / OIDC; access / refresh tokens; service accounts; machine-to-machine доступ.
Собирать production-RAG: chunking-стратегии, reranking, работа с векторными БД — Milvus, Qdrant, Weaviate.
Применять агентские подходы там, где они оправданы: ReAct, graph-based, declarative; понимать их ограничения по стоимости, latency и надёжности.
Учитывать ограничения LLM: размер контекста, галлюцинации, стоимость инференса, задержки, безопасность данных.
Участвовать в деплое, обновлениях и базовой настройке production-пайплайнов.
Настраивать observability для backend- и AI-компонентов: логи, метрики, алерты, трассировка запросов.
Разбирать инциденты на уровне сильного инженера: находить причину, исправлять, предлагать улучшения.
Участвовать в оценке задач, декомпозиции и выборе библиотек / инструментов под конкретный проект.
Показывать результаты команде или заказчику и понятно объяснять технические ограничения, риски и варианты решений.
3+ лет коммерческой backend-разработки; опыт работы с production-системами.
Уверенное владение одним из языков: Python / Go / Java.
Опыт проектирования и поддержки REST / gRPC API, фоновых задач, очередей, кэшей, идемпотентных операций.
Опыт работы с LLM / GenAI в production или пилотных внедрениях, не только исследовательские PoC.
Практический опыт RAG
Понимание архитектур агентских систем и их ограничений.
Опыт работы с LangChain, LlamaIndex, OpenAI Agent SDK / ADK или аналогичными production-фреймворками.
Понимание OAuth2 / OIDC; опыт интеграции с IdP: Keycloak, Auth0, Azure AD, Okta.
Понимание observability: логи, метрики, алерты для backend- и AI-компонентов.
Навык быстрого решения задач: быстро собрать работающий прототип, проверить гипотезу, переиспользовать удачные решения и переписать в production-код.
Вайбкодинг как рабочий подход: использование AI-ассистентов для ускорения разработки без существенной потери качества и безопасности.
Опыт оценки решений: бенчмарки, метрики качества, сравнение моделей, промптов и retrieval-подходов.
Умение самостоятельно брать задачу, уточнять требования, декомпозировать и доводить до результата.
Опыт с MLOps / LLMOps: деплой, версионирование, мониторинг и обновление ML / LLM-пайплайнов.
Опыт работы с Kubernetes, облачными платформами, managed-сервисами.
Опыт работы с высокими нагрузками, стоимостной оптимизацией инференса, кэшированием LLM-ответов.
Опыт работы в enterprise-среде с требованиями информационной безопасности.
Опыт участия в пресейлах или технической оценке задач.