AI-инженер / LLM-инженер (Python, FastAPI)
Формат работы: гибрид или офис (Москва)
На сервисе с: 25.10.26 13:42
#middle #200k #гибрид #офис
••••••••
AI-инженер / LLM-инженер
от 235 000 ₽ за месяц, на руки
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: гибрид или офис (Москва)
☑️ Чем предстоит заниматься
-Разрабатывать агентов на LangGraph: tool calling, многошаговые сценарии, human-in-the-loop, обработка ошибок
-Строить RAG по внутренним документам: разбор PDF/DOCX, сканов и таблиц, индексация, гибридный поиск (BM25 + dense), реранкинг
-Делать и развивать агентов для корпоративных систем (Bitrix, Jira, Alfresco, Exchange, 1С): text-to-SQL по MS SQL / PostgreSQL, интеграции через REST API
-Разбирать ошибки агентов по трейсам, вести регрессионные наборы и метрики качества
-Вместе с заказчиками вести решение от прототипа до передачи в эксплуатацию и документировать его
☑️ Наши пожелания к кандидатам
-От 2 лет разработки на Python, из них от 1 года — LLM-проекты (агенты, ассистенты, RAG). asyncio, FastAPI, pydantic, тесты
-LangGraph, LangChain или аналоги; function calling, structured output, паттерны агентов (ReAct, plan-and-execute, роутинг)
-RAG на практике: chunking, эмбеддинги, векторный и гибридный поиск (Qdrant, pgvector или аналоги)
-Понимание ограничений LLM и способов их обходить: контекстное окно, галлюцинации, недетерминизм. Умение решить, где нужна LLM, где достаточно детерминированного решения, а где — классического ML, и обосновать выбор по качеству, стоимости и надёжности
-Оценка качества: собрать тестовый набор, выбрать метрики (recall@k, faithfulness, RAGAS или аналоги), провести офлайн-оценку и side-by-side сравнение версий промпта или пайплайна
-Уверенный SQL; Docker / Docker Swarm, GitLab CI
-Умение общаться с бизнес-заказчиками, переводить задачу в техническую постановку и писать понятную документацию
-Будет плюсом:
-Работа с open-weight моделями (Qwen, DeepSeek) и их деплой на vLLM: квантование (FP8/AWQ), guided decoding
-Опыт с российскими LLM (GigaChat, YandexGPT) через API
-LiteLLM как шлюз к моделям; OpenWebUI (Functions, Tools, Pipelines)
-Langfuse или LangSmith, LLM-as-a-judge
-MCP: создание и подключение серверов
-Защита LLM-систем: prompt injection, маскирование конфиденциальных данных
-Классический ML для текстов: классификация, кластеризация, бустинги, sklearn (например, для маршрутизации запросов)
Контакты: ••••••••
🔥 •••••••• / •••••••• / ••••••••
Похожие вакансии AI инженер
Хотите стать частью увлекательного процесса цифровой трансформации?
Блок IT в СОГАЗ активно развивается и меняет подход к созданию продуктов. Мы создаем новые сервисы и решения, которые делают нашу работу более технологичной и эффективной.
Сейчас мы в поисках Fullstack-разработчик (AI Native).
Обязанности:
- Разработка AI first full-stack веб-приложений: бэкенд на Python, фронтенд на React;
- Проектирование решения до начала разработки кода, по которым агенты могут работать автономно;
- Реализация production-кода через оркестрацию агентов;
- Организация многоуровневого ревью с помощью агентов;
- Развитие агентной среды команды: правила проекта для агентов, скиллы, кастомные команды, хуки, MCP-серверы.
Full-stack разработка:
- Опыт коммерческой разработки на Python от 3 лет;
- Опыт разработки фронтенда на React и TypeScript;
- Опыт проектирования синхронного взаимодействия между сервисами;
- Опыт работы с асинхронным взаимодействием;
- Уверенное владение Git при параллельной работе над множеством изменений в одном проекте;
- Опыт работы с базами данных (SQL/NoSQL);
- Автотесты (pytest, Vitest/Jest, Playwright) и статический анализ (ruff, mypy, ESLint);
- Docker / docker-compose, CI/CD (GitLab CI).
AI-инструменты в разработке:
- Регулярная практика работы с кодовыми агентами в терминале и в IDE (Claude Code, Codex CLI, Qwen Code, Cursor, Cline и аналоги), как облачными, так и на open-source моделях во внутреннем контуре, независимо от слоя (фронт/бэк);
- Опыт мультиагентной разработки: параллельный запуск агентов на разные задачи, роли субагентов (планировщик, исполнитель, тестировщик, ревьюер), изоляция через git worktree или контейнеры;
- Управление контекстом агента: правила проекта (AGENTS.md / CLAUDE.md), скиллы, команды, хуки; подключение готовых и написание простых MCP-серверов;
- Критическое чтение сгенерированного кода;
- Понимание, где AI-генерация кода ускоряет работу, а где создаёт риски (галлюцинации, устаревшие паттерны), и умение это контролировать, включая безопасность: несуществующие или вредоносные пакеты, секреты в контексте агента, prompt injection через содержимое репозитория и задач, избыточные права агента;
- Оптимизация агентной разработки: выбор модели под задачу (сильная для планирования и ревью, более лёгкая или локальная для рутинных задач), контроль расхода токенов.
AI/LLM-компетенции:
- Понимание работы LLM: контекст, токены, сэмплинг, structured output, function calling, ограничения моделей, деградация качества на длинных сессиях и при переполнении контекста.
Будет плюсом:
- Опыт работы в регулируемой/корпоративной среде;
- Опыт написания технической документации;
- Встраивание LLM в продукт: агентные сценарии (ReAct) и понимание, когда нужен автономный агент, а когда достаточно workflow; LangGraph/Langflow; RAG (чанкинг, эмбеддинги, векторные БД Qdrant/Chroma, reranking);
- Развёртывание моделей для разработки во внутреннем контуре (vLLM, Ollama, LiteLLM);
- Собственные пайплайны разработки на Claude Agent SDK / OpenAI Agents SDK или на автоматическом режиме CLI-агентов;
- Оценка качества работы агентов и промптов (promptfoo, Langfuse).
- Оформление полностью в соответствии с ТК РФ, включая оплачиваемый отпуск 29 календарных дней (плюс 1 день отпуска);
- ДМС в лучших клиниках города, страхование жизни и страхование от несчастных случаев и болезней + ДМС родственников с 75% скидкой;
- Премиальные условия на всю продуктовую линейку группы компаний «СОГАЗ» для работников и их близких родственников (ОСАГО, каско, имущество, жизнь);
- Социальный пакет и специальные предложения по страхованию, кредитованию и другие программы от наших партнёров:
- Заботу компании о детях сотрудников: подарки на Новый год и скидки в детские лагеря.
Написали своего первого агента на LangGraph и хотите перейти на следующий уровень? Мы в команде Алисы строим мультиагентную платформу, которая будет решать различные задачи миллионов пользователей — от собственной продуктивности до коммерческих сценариев. WebAgents, tool calling, (V)LLM, A/GRPO, симуляторы, хардовый R&D — это всё про нас. С видеокартами мы уже разобрались, так что ищем крутых коллег, с которыми построим успешных агентов массового пользования.
Какие задачи вас ждут
Разработка и внедрение агентов на базе LLM, проектирование ML-компонентов платформы агентов
Вы будете создавать агентов, которые умеют обрабатывать сложные, multi-turn- и multi-modal-запросы пользователей. Предстоит разрабатывать системы маршрутизации задач, выбора инструментов и моделей, а также настраивать управление вызовами функций и оркестрацию различных моделей внутри пайплайна.
Замена традиционных классификаторов LLM-пайплайнами и RAG-системами
Нужно будет трансформировать старые архитектуры в современные пайплайны с LLM, вызовом функций, планированием и рассуждениями.
Дообучение, настройка и интеграция моделей, оптимизация inference
Вам предстоит работать как с опенсорс-моделями, так и с внутренними, включая fine-tuning, RL и адаптацию под платформу агентов. Нужно обеспечить быструю и устойчивую работу агентов на проде, включая оптимизацию inference и взаимодействие с инфраструктурой (Eagle, FP8, дистилляцию, multi-dimensional parallelism, etc.).
Исследования и эксперименты с графами агентов и памятью
Мы экспериментируем с вызовами агентов, memory-подсистемами, симуляцией поведения, архитектурами reasoning и системами планирования.
Участие в разработке RL-моделей для обучения диалоговых агентов
Если у вас есть опыт работы с multi-turn reinforcement learning или интерес к нему, можно будет погрузиться в постановку и реализацию таких экспериментов в масштабах Яндекса и Алисы с сотнями тулов и большим количеством тёрнов.
Мы ждем, что вы
- Обладаете глубокими знаниями в Deep Learning и NLP
- Работали с LLM и пайплайнами вокруг них (function calling, memory, RAG)
- Внедряли ML-системы в продакшен
- Мыслите системно — от архитектуры до интеграции с инфраструктурой
- Пишете на Python, знакомы с PyTorch
- Готовы к кросс-функциональной работе с бэкендом и продуктовыми командами
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.