AI Engineer / Python-разработчик (LLM, RAG, AI Agents)

Мы — аккредитованная IT-компания, которая является экспертом в области облачной IT-инфраструктуры и автоматизации бизнеса. В связи с ростом числа проектов и задач нам требуются AI Engineer / Python-разработчик (LLM, RAG, AI Agents).

Рассматриваем сотрудничество по договору ГПХ или с самозанятым специалистом. На текущем этапе постоянную загрузку гарантировать не можем: в отдельные периоды задач может быть много, в другие — существенно меньше. Поэтому вакансия подойдет специалисту, которому интересен проектный формат сотрудничества.

Чем предстоит заниматься:

• разработка backend-сервисов на Python;
• разработка и интеграцию REST API;
• интеграция различных LLM через API;
• разработка AI-агентов и агентных workflow;
• реализация Tool / Function Calling;
• работа с MCP и взаимодействием AI-агентов с внешними инструментами;
• разработка RAG-систем;
• построение ingestion и indexing pipeline;
• работа с embeddings, векторным, полнотекстовым и гибридным поиском;
• настройка reranking, query rewriting и других механизмов улучшения retrieval;
• разработка механизмов управления контекстом, состоянием и памятью AI-агентов;
• реализация обработки ошибок, timeout, retry и fallback-сценариев;
• тестирование и оценка качества AI-функциональности;
• настройка tracing, logging и metrics для AI-систем.

Что мы ожидаем

Backend

Необходим уверенный опыт работы с:

• Python;
• FastAPI;
• AsyncIO;
• REST API и backend-сервисами;
• PostgreSQL;
• Docker;
• Git.

LLM и AI-агенты

Важно понимать и уметь применять на практике:

• подходы к построению AI-агентов: Workflow, ReAct, Multi-Agent;
• работу с LLM API;
• Structured Output;
• Streaming;
• Tool / Function Calling;
• Prompt Engineering и Context Engineering;
• управление контекстом, состоянием и памятью агента;
• MCP;
• A2A;
• Human-in-the-loop;
• Guardrails;
• работу с различными LLM-моделями и провайдерами;
• tokenization, context window и ограничения LLM;
• обработку ошибок при работе с LLM и внешними tools: timeout, retry, fallback;
• компромиссы между качеством, latency и стоимостью использования моделей.

RAG и поиск

Ожидаем практический опыт построения RAG-систем и понимание следующих технологий и подходов:

• Embeddings;
• Semantic / Vector Search;
• BM25;
• Full-Text Search;
• Hybrid Search;
• Chunking Strategies;
• Metadata Filtering;
• Reranking;
• Query Rewriting / Expansion;
• Multi-Query Retrieval;
• Vector Databases — Qdrant или аналоги;
• построение ingestion / indexing pipeline;
• обновление и удаление документов из индекса;
• оценка качества retrieval и RAG.

AI Frameworks и SDK

Желателен опыт работы с:

• LangChain;
• LangGraph или аналогичными решениями;
• OpenAI SDK или SDK других LLM-провайдеров;
• MCP SDK;
• Qdrant SDK или аналогами.

При этом для нас важно не только знание конкретных библиотек, но и понимание общих принципов построения AI-систем без жесткой привязки к одному фреймворку.

Production и качество

Ожидаем понимание принципов эксплуатации AI-систем:

• tracing, logging и metrics;
• evals и benchmarking AI-агентов и RAG-систем;
• тестирование AI-функциональности;
• reliability при работе с LLM и внешними сервисами.

Что мы предлагаем

• Формат работы: дистанционно или в офисе (по желанию).
• График работы: проектная занятость.
• Карьерный рост: гарантируем поэтапное расширение задач и карьерное развитие с ростом заработной платы.
• Обучение и сертификация: за счет компании, график составляется с учетом пожеланий сотрудника.
• Дополнительные премиальные выплаты: за привод клиента в бизнес, за приглашение коллеги в компанию, и другие премии за эффективную работу.

Как мы заботимся о сотрудниках

• Материальная помощь по случаю рождения ребенка, свадьбы, утраты близкого
• Лаунж-зона для отдыха: оборудованная кухня, потрясающий кофе, настольные игры, турник, библиотека, кинотеатр
• Насыщенная корпоративная жизнь: путешествуем по России и не только, а также вместе ходим в театр, на квиз, на спортивные мероприятия и др.
• Корпоративный английский
• Компенсация коворкинга