software country (тоо балхаш системс)

Agentic AI Engineer (Cheminformatics) (Python)

We have 30 years of expertise in designing and building custom software systems. We provide software development services focusing on complex high-load applications, AI and BI solutions, and mobile apps.

software country (тоо балхаш системс)

Зарплата не указанаСербияУдалёнка

We have 30 years of expertise in designing and building custom software systems. We provide software development services focusing on complex high-load applications, AI and BI solutions, and mobile apps.

We are looking for an AI Engineer to design and build the knowledge infrastructure that powers AI agents in complex scientific and technical workflows.

The focus is on building the underlying knowledge layer that agents rely on transforming unstructured and structured information into accessible, searchable, and contextualized knowledge. This involves designing RAG pipelines, knowledge repositories, document processing workflows, metadata structures, and retrieval mechanisms that allow agents to find and use the right information at the right time.

Core Responsibilities

  • Design and build knowledge bases for AI agents, including RAG systems, internal wikis, and structured knowledge repositories.
  • Develop document ingestion and processing pipelines to collect, parse, clean, chunk, enrich, and index information from different sources.
  • Design retrieval architectures that enable agents to access relevant information using semantic search, keyword search, hybrid search, and metadata filtering.
  • Build and maintain embedding pipelines, vector databases, and other retrieval infrastructure.
  • Integrate knowledge sources such as documents, APIs, databases, internal tools, and external information repositories.
  • Design knowledge structures, metadata schemas, taxonomies, and relationships between information to improve discoverability and retrieval quality.
  • Implement mechanisms for knowledge updates, versioning, deduplication, and synchronization to keep information accurate and current.
  • Optimize retrieval quality, context construction, and information delivery for LLM-powered agents.
  • Implement source attribution, traceability, and mechanisms to evaluate the accuracy and relevance of retrieved information.
  • Collaborate with AI and software engineers to integrate knowledge infrastructure into agent workflows and conversational interfaces.

Required Experience

  • Strong understanding of LLMs, RAG architectures, and how AI agents consume and use external knowledge.
  • Hands-on experience building production-grade RAG pipelines and knowledge bases.
  • Experience with vector databases, embedding models, semantic search, and information retrieval.
  • Experience designing document ingestion, parsing, chunking, indexing, and retrieval pipelines.
  • Strong understanding of structured and unstructured data management.
  • Experience integrating APIs, databases, and different knowledge sources.
  • Strong Python development skills.
  • Ability to design scalable, maintainable knowledge infrastructure for production AI applications.

Nice to Have

  • Experience building knowledge bases for multi-agent systems.
  • Familiarity with knowledge graphs, ontologies, and graph-based retrieval.
  • Experience with hybrid search, reranking, query expansion, and advanced retrieval techniques.
  • Familiarity with frameworks such as LangChain, LlamaIndex, or Haystack.
  • Experience with vector databases such as OpenSearch, Pinecone, Weaviate, or Qdrant.
  • Experience with Amazon Bedrock and AWS infrastructure.
  • Familiarity with knowledge management systems, internal wikis, and enterprise search.
  • Experience with RAG evaluation, retrieval observability, and quality monitoring.
  • Experience working with scientific literature, technical documentation, or research datasets.
  • Background in chemistry, cheminformatics, or drug discovery.

Our offer as your future employer

  • Collaboration via a B2B contract with payments in USD or EUR, depending on your preference, or through a labor contract
  • Flexible work schedule.
  • Possibility to work remotely
  • Opportunities for professional growth.
  • A company laptop to ensure a comfortable and efficient work setup.​​​​​

Похожие вакансии AI инженер

hh.ru
б1 (b1)

AI Tech Lead / Team Lead (LLM/RAG, Python)

б1 (b1)Автоподнятие
Зарплата не указанаРоссияМоскваУдалёнка

Мы ищем технического лидера AI-направления, который будет отвечать за техническую реализацию AI-задач, архитектуру и развитие LLM/RAG-решений, самостоятельное проведение R&D и координацию работы команды. Технический лидер совмещает техническое руководство с непосредственной разработкой AI-сервисов и отвечает за доведение решений до продуктивной эксплуатации.

Обязанности:

  • Техническая проработка AI-задач: уточнение требований, оценка реализуемости, выбор подхода и анализ рисков
  • Самостоятельная работа над R&D-задачами: поиск новых подходов, постановка и проверка гипотез, проведение экспериментов, бенчмарков и proof-of-concept
  • Организация полного цикла разработки AI-решений: от прототипа и определения критериев качества до запуска и масштабирования в production
  • Формирование технического видения и проектирование архитектуры AI-сервисов
  • Декомпозиция задач, оценка сроков и технических рисков, планирование и распределение работы команды
  • Непосредственная разработка AI-сервисов: реализация функциональности, ключевых компонентов и решение сложных технических задач
  • Разработка REST API на FastAPI для взаимодействия фронтенда, корпоративных систем и AI-сервисов
  • Разработка RAG-пайплайнов, LangChain/LangGraph-цепочек и LLM-агентов
  • Выбор и сравнение LLM, моделей эмбеддингов, способов поиска и реранкинга
  • Проектирование схем данных, работа с PostgreSQL, очередями задач и асинхронной обработкой
  • Реализация интеграций и стриминга ответов через WebSocket/SSE
  • Построение системы оценки качества LLM/RAG-решений и регрессионного тестирования
  • Проектирование механизмов контроля качества AI-ответов: guardrails, проверка фактов, отказ от ответа, fallback-сценарии и Human-in-the-Loop
  • Оптимизация производительности, стоимости инференса и стабильности AI-сервисов
  • Построение переиспользуемых AI-компонентов и единых инженерных подходов
  • Проведение code review, контроль качества реализации и технического долга, развитие инженерных практик
  • Наставничество разработчиков, участие в подборе и адаптации новых сотрудников
  • Подготовка технической документации и ответственность за технический результат команды
Требования:
  • Опыт коммерческой разработки production-сервисов на Python от 5 лет, из них не менее 3 лет — в разработке AI/ML/LLM-сервисов
  • Опыт работы в роли Tech Lead, Team Lead или ведущего разработчика с ответственностью за технические решения и результат команды
  • Практический опыт самостоятельного R&D: постановка гипотез, проведение экспериментов, сравнение подходов и оценка результатов
  • Опыт полного цикла проектирования, реализации и запуска LLM/RAG-решений в production
  • Умение определять, когда применение LLM оправдано, выбирать подход и переводить требования в проверяемые гипотезы и критерии качества
  • Опыт проектирования архитектуры, декомпозиции задач, оценки сроков и технических рисков
  • Уверенное владение Python, FastAPI, Pydantic, SQLAlchemy/Alembic и PostgreSQL
  • Понимание асинхронного программирования, фоновой обработки и очередей задач
  • Опыт работы с Celery, Redis, RabbitMQ или аналогичными инструментами
  • Практический опыт разработки RAG-систем: подготовка данных, чанкинг, эмбеддинги, векторный и гибридный поиск, реранкинг
  • Понимание принципов работы и ограничений LLM: Transformer, attention, токенизация, контекстное окно, параметры генерации, KV-cache, инференс и квантизация
  • Опыт работы с LangChain, LangGraph или аналогичными инструментами оркестрации LLM-приложений
  • Опыт построения системы оценки качества LLM/RAG-решений: тестовые выборки, метрики, экспертная оценка и регрессионное тестирование
  • Опыт интеграции локальных и внешних LLM через API
  • Понимание рисков генеративного ИИ и способов их снижения
  • Уверенная работа с Docker, Linux, Git и CI/CD
  • Опыт работы с неопределенными требованиями и способность самостоятельно предлагать и аргументировать технические решения
  • Опыт проведения code review, наставничества разработчиков и развития инженерных практик
Будет преимуществом:
  • Опыт развертывания и эксплуатации локальных LLM
  • Опыт дообучения или адаптации моделей под прикладные задачи
  • Опыт работы с vLLM, TGI/TEI или другими inference-серверами
  • Опыт участия в технических собеседованиях и формировании команды

Что вас ждет:

  • Разнообразие проектов с крупными международными и российскими клиентами, лидерами рынка

  • Расширенная программа обучения: от профессиональных тренингов и доступа к онлайн-порталам до языковых курсов
  • Система наставничества и четкие перспективы карьерного роста, регулярная обратная связь и открытая корпоративная культура
  • Конкурентоспособная заработная плата и социальный пакет, ДМС и wellness-инициативы
  • Аккредитованная ИТ компания, занимающаяся разработкой и внедрением ИТ систем.
hh.ru
Зарплата не указанаРоссияМоскваГибрид

Мы ищем AI Engineer, который будет создавать AI-агентов для товародвижения большой розничной сети и доводить решения до промышленной эксплуатации. Здесь можно работать с реальными бизнес-сценариями и данными в масштабе крупного ритейла, влиять на архитектуру решений и видеть результат своей работы в проде.

Чем тебе придется заниматься:

  • Разрабатывать AI-агентов на базе LLM: от проектирования логики и прототипирования до внедрения в production
  • Создавать агентные системы с использованием Single Agent, Orchestrator и Sequential архитектур
  • Интегрировать AI-решения с корпоративными системами и API, в том числе в закрытом контуре компании
  • Реализовывать сценарии взаимодействия агентов с пользователями и внешними инструментами (HITL, HOOTL, Tool Calling, MCP)
  • Участвовать в развёртывании LLM и настройке инфраструктуры для работы AI-решений
  • Настраивать мониторинг, анализировать ошибки и улучшать качество работы AI-агентов
Мы ожидаем:
  • Опыт коммерческой разработки AI/LLM-решений от 1 года, желательно с запуском в production.
  • Уверенное знание Python, опыт работы с FastAPI и REST API
  • Практический опыт разработки AI-агентов с использованием LangChain или аналогичных фреймворков
  • Понимание принципов работы LLM, Tool Calling и основных агентных архитектур
  • Опыт работы с Docker и понимание процессов развёртывания AI-решений
  • Знакомство с инструментами vLLM, LiteLLM, Langfuse/LangSmith или их аналогами
  • Понимание принципов мониторинга, отладки и оценки качества AI-решений
  • Высшее техническое или математическое образование.
Мы предлагаем:
  • ​​​​​​ДМС со стоматологией и льготными условиями для членов семьи
  • Технику для работы
  • График работы с гибким началом дня
  • Работу в гибридном формате в максимально уютном офисе в Краснодаре, Москве или Санкт-Петербурге
  • Возможность реализовать свой опыт и потенциал в интересных и многоплановых проектах
  • Развитие - мы оплачиваем обучение на курсах и участие в конференциях
  • Наличие корпоративных скидок PRIMEZONE и программ лояльности от компании
  • Наличие корпоративной библиотеки курсов
  • Возможность рекомендовать компанию своим друзьям, участвуя в реферальной программе
Сайты компаний
vk

Руководитель команды разработки RAG

vkАвтоподнятие
от 350k ₽РоссияМосква
Наша команда отвечает за базу знаний и агентов — это ядро платформы, с которым напрямую работают клиенты. Мы строим RAG-системы для корпоративных данных: от загрузки и индексации документов до поиска и генерации ответа. Мы также разрабатываем самих агентов, которые используют эти знания в рабочих сценариях.

Задачи

  • Руководить командой разработки направления RAG: отвечать за delivery, качество и стабильность сервисов команды
  • Совмещать управление командой с разработкой — ориентировочно 50% времени работать hands-on
  • Планировать работу команды, декомпозировать и оценивать задачи, управлять выполнением roadmap, багами и техническим долгом
  • Осуществлять техническое лидерство команды: проводить технические проработки, определять архитектуру и технические решения внутри сервисов RAG, проводить code review
  • Участвовать в проработке архитектурных решений на уровне платформы совместно с главным архитектором
  • Разрабатывать и развивать сервисы на Python в области RAG и баз знаний
  • Провести декомпозицию существующих компонентов RAG, реализованных на Ray.io, на отдельные сервисы и участвовать в переходе от текущей архитектуры на Ray к целевой сервисной архитектуре
  • Развивать контур работы с данными и знаниями: загрузку и индексацию данных, парсинг и разбиение документов, embeddings, retrieval, reranking, vector DB, базы знаний и evaluation
  • Отвечать за инженерное качество сервисов команды: тестирование, наблюдаемость, производительность, отказоустойчивость и стабильность в production
  • Участвовать в L4-поддержке сервисов команды и инцидент-менеджменте
  • Проводить people management команды: 1:1, performance review, развитие сотрудников, наём, проведение испытательных сроков
  • Синхронизироваться с продуктовыми и техническими командами платформы по зависимостям и совместным задачам

Требования

  • Сильный опыт backend-разработки на Python и опыт самостоятельной разработки production-сервисов
  • Опыт управления командой разработки и ответственность за её delivery
  • Опыт технического лидерства: проектирование сервисов, проведение технических проработок, принятие архитектурных решений, code review
  • Готовность совмещать роль Team Lead с активной разработкой руками
  • Уверенное знание Python, asyncio и FastAPI
  • Опыт работы с PostgreSQL и проектирования схем хранения данных
  • Понимание принципов построения распределённых backend-систем, асинхронной обработки и взаимодействия сервисов
  • Опыт проектирования и декомпозиции сервисной архитектуры, выделения отдельных сервисов из существующих крупных компонентов
  • Опыт работы с брокерами сообщений, желательно NATS
  • Опыт эксплуатации и развития production-сервисов, понимание требований к качеству, стабильности, наблюдаемости и производительности
  • Умение организовывать работу команды: планирование, декомпозиция, оценка задач, управление техническим долгом и багами
  • Опыт people management: развитие сотрудников, обратная связь, performance review и наём

Будет плюсом

  • Практический опыт разработки RAG-систем и сервисов баз знаний
  • Опыт работы с retrieval, reranking, embeddings, индексацией, chunking и оценкой качества RAG
  • Опыт работы с Ray/Ray.io и системами, построенными на нём
  • Опыт работы с Qdrant или другими векторными базами данных
  • Опыт работы с Elasticsearch/OpenSearch
  • Опыт работы с Kubernetes
  • Знание Go, опыт разработки сервисов на Go или желание его получить в будущем
Эта вакансия также есть на:Getmatch

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