Integration / AI Automation Developer (Python/API/n8n)

О НАС:

Группе компаний «Нео-Терм» более 15 лет.

Наша специализация:

Проектирование, производство, установка Котельных, Котлов, Тепловых пунктов, Насосных станций, Шкафов автоматизации и другого оборудования для инженерных систем.

«Нео-Терм» комплексно подходит к решению задач различного уровня сложности: от разработки технического задания до ввода объекта в эксплуатацию на всей территории России.

Уважительное отношение к интересам заказчика, уникальные знания, накопленный̆ опыт, навыки, современные подходы к решению поставленных задач, новейшая производственная база и наличие допуска к специальным видам работ позволяют нам решать масштабные и разносторонние инженерные задачи.

Нео-Терм - от идеи до реализации!

Присоединяйся!

Обязанности:

1. Операционные задачи и интеграция:

• Написание и оптимизация промптов для работы с LLM (ChatGPT, Claude, YandexGPT, GigaChat, DeepSeek);
• Создание шаблонов и системных промптов для отделов (продажи, маркетинг, поддержка, HR);
• Автоматизация рутинных задач с помощью готовых AI-решений: генерация писем, резюмирование документов, классификация обращений;
• Интеграция готовых AI-сервисов через REST API в существующие бизнес-процессы;
• Интеграция LLM в 1С через API.

2. Глубокая разработка и инженерные задачи:

• Разработка и внедрение RAG-систем (поиск и генерация по собственной базе знаний компании — документы, переписки, регламенты);
• Создание агентов и мульти-агентных систем для автоматизации целых цепочек задач;
• Написание микросервисов на Python (FastAPI / Flask) для вывода моделей в продакшн;
• Парсинг, очистка, разметка и подготовка датасетов для обучения;
• Векторизация данных (работа с эмбеддингами) и выбор подходящих векторных баз (Qdrant, Milvus, Chroma, Pinecone).

3. Обучение, исследования и R&D:

• Дообучение (fine-tuning) открытых моделей (Llama 3, Mistral, Qwen, Gemma) под специфику наших бизнес-данных;
• Эксперименты с параметрами обучения: LoRA, QLoRA, PEFT, полный fine-tune;
• Работа с мультимодальными моделями (текст + изображения / аудио) при необходимости;
• Мониторинг и анализ дрейфа данных и дрейфа модели в продакшне;
• Исследование новых подходов: чтение статей (ArXiv), воспроизведение методов, тестирование на наших задачах;
• Построение пайплайнов для автоматического обучения и переобучения моделей по расписанию (MLOps).

4. Экспертиза и развитие:

• Мониторинг рынка ИИ: новые модели, библиотеки, подходы — и рекомендации по внедрению;
• Обучение и консультирование коллег из других отделов (промпт-инжиниринг для менеджеров, аналитиков);
• Ведение документации по решениям, чтобы их могли поддерживать другие разработчики;
• Участие в стратегии компании по использованию ИИ — какие задачи можно автоматизировать через год, какие данные нужно собирать уже сейчас.

Требования:

• Уверенное владение Python (типизация, асинхронность, ООП, работа с API);
• Опыт с основными ML-библиотеками: PyTorch / TensorFlow, HuggingFace Transformers, LangChain / LlamaIndex;
• Понимание архитектуры трансформеров, механизма внимания, различий между GPT, BERT, T5;
• Опыт работы с векторными базами данных и эмбеддингами;
• Навыки работы с данными: Pandas, NumPy, регулярные выражения, работа с PDF/Word/Excel;
• Базовые знания MLOps: Docker, Git, CI/CD, работа с облачными платформами (AWS, GCP, Yandex Cloud, SberCloud);
• Понимание, как работают RAG-системы и агенты.

Приветствуется:

• Опыт дообучения моделей (fine-tuning) хотя бы на уровне учебных проектов;
• Опыт работы с мультимодальными моделями;
• Опыт построения MLOps пайплайнов и мониторинга дрейфа данных;
• Опыт интеграции с 1С.

Условия:

О команде:
Наша команда обеспечивает доступность нейросетей для тысяч пользователей одновременно. Мы сопровождаем и улучшаем production-платформу для хостинга LLM: ее надежность, производительность и масштабирование. Кроме того, мы создаём прикладные AI-продукты на базе LLM. Ищем опытного инженера, которому интересно работать и с платформенной частью, и с продуктовой.

Чем предстоит заниматься:

• Инфраструктура и высоконагруженный инференс (Platform Engineering):
• Проектирование и поддержка GPU-кластера инференса (Nvidia) для десятков тысяч пользователей: скалирование, балансировка и приоритизация запросов, пользовательские лимиты;
• Оптимизация производительности: кэширование, батчинг, etc.;
• Надежность и observability: обеспечение SLA и предотвращение регрессий;
• Оценка и внедрение новых LLM.
• Продуктовая разработка (LLM Application):
• Разработка AI-сервисов: AI Code Assistant (Co-Pilot), AI Chat, AI Code Review;
• Проектирование пайплайнов автоматизаций: tool/function calling, обработка ошибок, управление контекстом/состоянием;
• Интеграции: встраивание AI-сервисов в корпоративную среду (API, БД, legacy-системы).
• Исследования и прототипирование (R&D):
• Проведение экспериментов, создание MVP и выстраивание пути доведения до продакшена;
• Исследование новых технологий и подходов для улучшения продуктов.

​​​​​​Мы ждем от будущего члена команды:

• Экспертиза в Python & Backend:
• Опыт разработки на Python (5+ лет), знание стандартов: typing, асинхронность, паттерны проектирования;
• Опыт создания высоконагруженных API (FastAPI или аналоги), работа с очередями, воркерами и фоновыми задачами.
• Архитектура и надежность (Production):
• Опыт построения gateway/router, управление ключами, маршрутизация, пользовательские лимиты;
• Опыт поддержки высоконагруженных сервисов в продакшене: стабильность контрактов, обработка ошибок.
• Глубокие знания LLM & Inference:
• Опыт работы с инструментами инференса (vLLM, SGLang, OpenAI API), понимание их внутренней работы;
• Опыт настройки инференса под highload: latency/throughput, управление GPU-ресурсами;
• Опыт построения решений с tool/function calling: MCP, guardrails, борьба с галлюцинациями.

Дополнительно приветствуем:

• Насмотренность в применении AI агентов, мультиагентных систем, оркестрации инструментов;
• Понимание основных метрик качества LLM решений, опыт проведения A/B-тестов и офлайн-оценки: eval-сеты, human eval, etc;
• Опыт Lua-разработки;
• Опыт разработки и интеграции MCP.