градиент

Инженер по ИИ/AI Agent Engineer (LLM & Agentic Systems) (Python, React)

Привет! Мы - компания "Градиент" и мы ищем Инженера, который возьмёт ownership над качеством и надёжностью наших AI-агентов и LLM-систем. Это глубоко техническая роль на стыке ML-инженерии и разработки: ты будешь проектировать многошаговые…

градиент

Зарплата не указанаРоссияМоскваГибрид

Привет! Мы - компания "Градиент" и мы ищем Инженера, который возьмёт ownership над качеством и надёжностью наших AI-агентов и LLM-систем. Это глубоко техническая роль на стыке ML-инженерии и разработки: ты будешь проектировать многошаговые агентские сценарии, строить RAG-пайплайны, выстраивать процессы оценки качества и доводить решения до промышленной эксплуатации.

После твоего выхода:

  • Логика работы LLM в наших продуктах становится устойчивой и масштабируемой
  • Многошаговые AI-сценарии корректно работают под нагрузкой и в реальных бизнес-кейсах
  • Появляются воспроизводимые подходы к тестированию, оценке и улучшению качества ответов моделей
  • Команда понимает ограничения решений и может управляемо их развивать

Чем тебе предстоит заниматься:

Агентские системы:

  • Разрабатывать многошаговые цепочки AI-агентов: orchestration, routing, memory, tool calling
  • Проектировать и внедрять цепочки reasoning, проверок и fallback-механизмов
  • Диагностировать, где и почему ломается логика AI — не «плохой ответ», а почему система даёт такой ответ
  • Ставить guardrails на необратимые действия агентов, определять условия выхода из циклов

RAG и данные:

  • Строить end-to-end RAG-пайплайны: ingestion → chunking → embeddings → vector search + hybrid → reranking → prompt orchestration → grounding
  • Экспериментировать с retrieval-стратегиями: гибридный поиск (BM25 + dense), re-ranking, query rewriting
  • Организовывать пайплайн данных: сбор, нормализация, индексация, мониторинг

Качество и eval:

  • Разрабатывать и внедрять методики оценки RAG-систем и AI-агентов: offline-метрики, golden datasets, LLM-as-a-Judge, human evaluation, A/B-тесты
  • Выстраивать observability: логи, трейсы, мониторинг качества, версионирование промптов и датасетов
  • Контролировать retrieval-метрики (Hit Rate, MRR, NDCG@K), groundedness, уровень галлюцинаций

Что мы от тебя ждем:

Обязательно:

  • Опыта создания агентов на современных фреймворках (LangChain, LangGraph, LlamaIndex и тд)
  • Знания стратегий планирования AI-агентов (ReAct, Plan-and-Execute, Reflection и др.)
  • Сильный prompt engineering + chain/tool/function calling
  • Опыта работы с векторными БД (Weaviate, Pinecone, Qdrant, Milvus и др.)
  • Опыта оценки качества LLM-систем (RAGAS, DeepEval, LLM-as-a-Judge или аналоги)
  • Понимания агентских протоколов (MCP, A2A и тд)
  • Linux, Git, Docker, Python

Будет плюсом:

  • Понимание атак на LLM (Prompt Injection, Jailbreaks) и защиты от них (Guardrails)
  • Опыт дообучения моделей (LoRA/qLoRA) на специфических доменах
  • Опыт квантизации и оптимизации инференса (ONNX, AWQ)
  • Опыт с графовыми БД (Neo4j) и GraphRAG
  • MLOps-инструменты: MLflow, Kubeflow, DVC
  • Опыт с Kubernetes и высоконагруженными сервисами

Что мы предлагаем:

  • Комфортный офис в Бизнес-центре "Алкон", расположенном рядом с метро Сокол
  • График работы с 09:00 до 18:00 для поддержания баланса между работой и личной жизнью, а гибридный формат и ДМС ждет тебя после успешного прохождения испытательного срока
  • Испытательный срок длительностью 3 месяца для взаимной адаптации
  • Работа с современными технологиями и инструментами
  • Сильную и дружную команду профессионалов, готовых расти вместе с вами.
  • Скидки на всю нашу крутую продукцию!

Если ты готов к масштабному вызову, хочешь работать работать в команде, которая ценит профессионализм и инновации, — мы ждём тебя!

"Градиент" — там, где технологии становятся стратегией.

Похожие вакансии AI инженер

hh.ru
Р

AI-инженер

рн- геология исследования разработкаАвтоподнятие
Зарплата не указанаРоссияКрасноярскОфис

ООО «РН-Геология Исследования Разработка» («РН-ГИР») - крупнейший в России научно-исследовательский центр «Роснефти» в области геологии и разработки нефтяных, газовых и газоконденсатных месторождений. Филиалы и обособленные подразделения РН-ГИР расположены в Тюмени, Уфе, Красноярске, Москве, Самаре, Краснодаре, Томске.

Обязанности:

  • разработка AI-автоматизаций: Создание MVP, прототипов и полноценных решений для автоматизации рутинных задач (документооборот, внутренние запросы, аналитика);

  • работа с RAG-системами: Проектирование и реализация архитектур семантического поиска по внутренним базам знаний (LangChain, LlamaIndex, Qdrant);

  • интеграция LLM: Встраивание локальных и внешних языковых моделей, AI-агентов и инструментов оркестрации в бизнес-процессы;

  • развитие внутренней AI-платформы: Вместе с IT/DevOps развитие инфраструктуры для AI-сервисов (Docker, GPU, мониторинг);

  • улучшение кода и процессов: Рефакторинг существующих решений, внедрение лучших практик AI-driven разработки;
  • реализация новых AI-функции и пользовательских сценариев;
  • настройка и оптимизация инференс-серверов для запуска больших языковых моделей (LLM) с использованием современных фреймворков, таких как vLLM и SGLang;
  • контейнеризация и деплой решений в production-среду с помощью Docker и Docker Compose;
  • работа в Linux-среде: написание Bash-скриптов, автоматизация рутинных задач, настройка рабочих окружений;

Требования:

  • высшее (магистратура/специалитет) в области прикладной математики, компьютерных наук, программной инженерии или смежных технических специальностей;
  • опыт: 1–2 года коммерческой разработки (Python, JavaScript/TypeScript);
  • понимание LLM: Принципы работы Generative AI, промпт-инжиниринг, понимание архитектуры RAG (embeddings, vector search, chunking);

  • разработка ПО, искусственный интеллект и машинное обучение, курсы по LLM, Generative AI.

Необходимые профессиональные знания, навыки, умения:

  • уверенное владение одним или несколькими языками программирования: Python, JavaScript, TypeScript;
  • понимание принципов работы REST API, HTTP, JSON, интеграции внешних сервисов;
  • знание современных подходов к разработке web-приложения;
  • понимание принципов работы LLM и Generative AI;
  • практические навыки интеграции LLM в контур компании;
  • понимание архитектуре и принципов работы RAG-систем: embeddings, vector search, chunking, retrieval;
  • умение работы с современными AI-инструментами разработки: Cursor, Claude, ChatGPT и аналогами;
  • навыки работы с векторными базами данных;
  • понимание построения AI-агентов и AI-workflow;
  • готовность работать в условиях изменяющихся требований и быстро проверять продуктовые гипотезы.

Владение программным обеспечением:
стек разработки: Python (asyncio, FastAPI), SQL, Git, Linux/Bash;
данные и пайплайны: PostgreSQL, ClickHouse, Apache Airflow;
ML/LLM стек: LangChain/LlamaIndex, Qdrant, vLLM/SGLang, Hugging Face;
контейнеризация: Docker, Docker Compose.

Условия:

  • официальное трудоустройство по ТК РФ;
  • уровень заработной платы обсуждается при собеседовании;
  • ДМС, санаторно-курортное лечение;
  • страхование жизни и здоровья;
  • жилищная программа и программа негосударственного пенсионного обеспечения;
  • работа в офисе города Красноярска по адресу ул. 9 мая, д.65 Д.
hh.ru
Зарплата не указанаРоссияМоскваУдалёнка

Ищем разработчика с успешным опытом запуска ИИ-агентов и настройки взаимодействия между ними. Нужен практик, который лично внедрял агентов в работающие продукты и может показать результат. Одних курсов, учебных прототипов и генерации кода с помощью ИИ недостаточно.

О проекте

Развиваем B2B-платформу для строительного рынка: компании, закупщики и поставщики, поиск партнёров, заявки, предложения и деловая репутация. Нужно развивать систему агентов, которые выполняют рабочие задачи пользователей и взаимодействуют друг с другом.

Что предстоит делать

  • Изучить текущую реализацию и определить необходимые доработки.
  • Настроить роли агентов, распределение задач, передачу контекста и результатов между ними.
  • Подключить агентов к API, данным и функциям платформы.
  • Организовать память, поиск по базе знаний и использование накопленного опыта.
  • Настроить права доступа и согласование действий с пользователем.
  • Обеспечить продолжение прерванных задач, обработку ошибок и защиту от повторных действий.
  • Настроить проверку качества, журналирование и контроль расходов на модели.
  • Довести рабочие сценарии до устойчивого результата и описать систему для дальнейшей поддержки.

Что важно

  • Реальные внедрения ИИ-агентов, которыми пользовались люди или компании.
  • Опыт настройки нескольких взаимодействующих агентов: передача задач, общий контекст, контроль выполнения.
  • Уверенное владение Python или TypeScript/JavaScript, работа с API и базами данных.
  • Понимание вызова инструментов моделями, управления контекстом и поиска по базе знаний — RAG.
  • Умение разграничивать доступ к данным и действиям разных пользователей и компаний.
  • Способность самостоятельно разобраться в проблеме, проверить решение и отвечать за его работу после запуска.

Конкретные библиотеки и инструменты выбираем по задаче. Важны результаты внедрения и качество инженерных решений.

Формат

  • Удалённая проектная работа.
  • Объём, этапы, сроки и оплату согласуем по результатам знакомства и оценки задач.

Что прислать в отклике

Опишите 1–2 успешных внедрения: какую задачу решали, что сделали лично, как взаимодействовали агенты и какого результата достигли. Расскажите об одном сбое и о том, как вы его устранили. Приложите доступные примеры; закрытый проект можно описать обезличенно.

Укажите ваш стек, доступность и ожидания по оплате. Отклик с конкретными кейсами поможет сразу перейти к предметному разговору.

Другие площадки
джетлин

Machine Learning Engineer (Generative AI / Computer Vision)

джетлинАвтоподнятие
162k–365k ₽Не указана странаЛокация не указанаУдалёнка

Мы запускаем ИИ-инкубатор в Лемана ПРО, чтобы проверять смелые гипотезы и создавать продукты будущего. В рамках одного из ключевых Proof of Concept (PoC) мы ищем специалиста, который разработает модели для генерации изображений, дизайн-проектов и визуализаций готовых решений на основе ассортимента товаров Лемана ПРО.

Это возможность работать на стыке Computer Vision и Generative AI, превращая идеи в работающие прототипы, которые в перспективе изменят клиентский опыт в сфере ремонта и обустройства дома.


Чем предстоит заниматься (Задачи)

  • Разрабатывать и исследовать ML-модели для генерации изображений и визуализации интерьерных/строительных решений на основе товаров Лемана ПРО.

  • Проектировать и реализовывать end-to-end пайплайны для PoC: от сбора и подготовки данных до обучения, оценки и демонстрации результатов.

  • Создавать и поддерживать фреймворки для оценки качества (evals) генеративных моделей и LLM-систем (контроль галлюцинаций, метрики качества генерации).

  • Писать чистый, поддерживаемый production-ready код: модульная архитектура, unit-тесты, логирование, документация, code review.

  • Оптимизировать инференс моделей (стоимость, latency, масштабируемость), работать с GPU-инфраструктурой.

  • Обеспечивать информационную безопасность: контроль рисков prompt injection, защита персональных данных (PII) и корректное управление правами доступа в агентных системах.

  • Тесно взаимодействовать с командой продукта и другими ML-специалистами для валидации бизнес-гипотез и дизайна A/B-тестов.

Наши ожидания (Требования)

Фундаментальная база:

  • Глубокое понимание принципов машинного обучения: подготовка данных и feature engineering, выбор архитектур, регуляризация, борьба с переобучением и data leakage, интерпретация результатов.

  • Уверенные знания математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов.

  • Понимание принципов оценки качества ML-систем: offline/online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных (data drift).

Технический стек и разработка:

  • Уверенное владение Python и экосистемой: pandas / polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch (или аналоги).

  • Уверенное владение SQL для работы с большими объемами данных.

  • Навык написания production-кода: модульность, тестирование, логирование, Git, опыт участия в code review.

Специализация (опыт работы хотя бы в одном из направлений, приоритетно CV/GenAI):

  • Computer Vision и генеративный AI (генерация изображений, NeRF, 3D-реконструкция или аналогичные задачи).

  • NLP, LLM и построение RAG-систем.

  • Рекомендательные системы, поиск и ранжирование.

  • Классическое машинное обучение или прогнозирование временных рядов.

Генеративный AI и LLM (важно для текущего PoC):

  • Опыт построения evals для LLM-систем, оценки качества ответов и мониторинга поведения системы.

  • Понимание рисков безопасности: prompt injection, некорректный tool calling, утечки данных.

  • Опыт работы с API языковых моделей, Hugging Face и orchestration-фреймворками (LangChain, LlamaIndex или аналоги).

  • Опыт fine-tuning или адаптации LLM (LoRA / PEFT).

  • Понимание принципов проектирования AI-агентов: управление состоянием (state management), выбор инструментов, контроль автономности и human-in-the-loop.

Инфраструктура и MLOps:

  • Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.

  • Опыт эксплуатации GPU-инфраструктуры и оптимизации инференса (квантование, ONNX, TensorRT и т.д.).

  • Понимание принципов информационной безопасности, privacy и работы с персональными данными.

  • Опыт работы в e-commerce, retail или других продуктовых highload-системах будет значительным преимуществом.

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.