AI / Backend Engineer

Что предстоит делать

Ищем AI / Backend Engineer, который будет заниматься развитием продуктов: виртуального DBA (ИИ-агент, который позволяет делать автоматизированную БД и помогает с её настройкой) и корпоративного агента. Наш стек: Backend: Python, FastAPI, Dishka DI, FastMCP, PostgreSQL, Redis. LLM / Inference: OpenAI‑compatible APIs, vLLM, SGLang. Observability: LangFuse, Prometheus, Sentry, Grafana.

• Разработкой backend‑сервисов для взаимодействия с LLM
• разработкой CLI-агентов для кодинга;
• реализацией механизмов работы с мультмодальными моделями на backend (например, для отправки изображений в VLM или транскрибации аудио при помощи ASR-моделей);
• реализацией и тюнингом agent loops (ReAct,CodeAct и других);
• разработкой и доработкой механизмов context engineering: сборкой контекста, compaction, summarization, tool masking:
• интеграцией инструментов через MCP‑серверы;
• работой с LLM inference инфраструктурой (vLLM / SGLang);
• реализацией streaming взаимодействия и long‑running inference;
• развитием observability и трассировкой работы AI‑агентов.

Что ждём от вас

• уверенный опыт с асинхронным Python или любым другим backend‑языком;
• понимание возможностей и ограничений современных LLM;
• опыт работы с OpenAI API;
• понимание принципов context engineering;
• навык использования AI как инструмента ускорения разработки/исследований;
• понимание важности unit и integration тестов, роли тестов как механизма контроля качества AI‑сгенерированного кода;
• опыт использования моделей для генерации и улучшения тестов;
• инженерный подход, готовность вести полный цикл задачи;
• опыт работы в команде, высокие коммуникативные навыки.
• Будет плюсом:
• опыт разработки agent‑based AI систем;
• опыт с infinite-loop агентами;
• работа с self‑hosted inference (vLLM, SGLang);
• разработка MCP‑серверов;
• оптимизация latency и token usage;
• benchmarking LLM моделей;
• опыт разработки при помощи code agents / AI‑assisted development;
• использование spec‑driven development;
• умение формализовать задачу перед генерацией кода;
• использование моделей для генерации тестов, рефакторинга и ускорения разработки.
• Мы предлагаем: