AI Engineer / LLM Engineer

Мы ищем AI Engineer / LLM Engineer (Agent & RAG focus) — инженера-практика, который умеет превращать наши концепции, сценарии и гипотезы в работающие агентные системы, доводить их до стабильного прототипа / MVP / пилота и масштабировать. Это НЕ промпт-инженер, НЕ чистый ML-researcher, НЕ бэкендер без понимания LLM, а инженер агентных ИИ-систем, работающий на стыке: • LLM, • RAG, • мультиагентных сценариев, • API / backend, • метрик качества и продакшн-эксплуатации. Инженер отвечает за реализацию и развитие агентных ИИ-решений, включая: • разработку AI-агентов (single и multi-agent), • построение RAG / GraphRAG контуров, • оркестрацию LLM + tools + данные, • интеграцию с бизнес-системами, • контроль качества и метрик, • снижение галлюцинаций и стоимости. Основные задачи Разработка агентных ИИ-систем • проектирование и реализация AI-агентов под бизнес-сценарии; • реализация ReAct / Plan-and-Execute / Reflection; • написание агентных пайплайнов (в т.ч. без фреймворков). RAG / Knowledge Base • построение end-to-end RAG-пайплайнов; • работа с корпоративной документацией (PDF, DOCX, базы знаний); • embeddings, chunking, retrieval, reranking; • оптимизация качества и latency. LLM orchestration • интеграция LLM API (OpenAI, Anthropic, LLaMA, Qwen и др.); • работа с tool calling, function calling, schema-guided prompting; • генерация артефактов (Markdown, UML, OpenAPI, JSON). Backend и интеграции • разработка API (FastAPI); • интеграции с Jira / Confluence / Notion / БД; • работа с брокерами сообщений; • базовый DevOps (Docker, Linux). Качество и метрики • определение метрик качества (precision, completeness, consistency); • анализ логов, A/B-тесты; • снижение галлюцинаций; • оптимизация стоимости и времени ответа. Совместная работа с бизнесом • формализация процессов аналитиков и бизнеса в сценарии для агентов; • итеративное улучшение решений на основе фидбэка. Обязательные требования (MUST) Инженерные • Python — уверенный уровень (async, typing, API, пайплайны); Linux, Docker, Git. • опыт работы с LLM API от 1,5–2 лет (LLM API + агентные пайплайны (ReAct / Plan&Execute / Reflection) • опыт разработки AI-агентов (не только чат-ботов); • понимание внутренней логики LLM и reasoning-подходов; • опыт end-to-end RAG RAG (chunking → embeddings → vector DB → retrieval/rerank → ответы) • FastAPI; • Векторные БД (Qdrant/pgvector/Weaviate/FAISS) LLM / Agents • ReAct, CoT, ToT, Reflection; • prompt chaining, system prompts, few-shot; • tool calling / structured outputs. Данные • векторные БД (Qdrant / Weaviate / pgvector / FAISS); • embeddings (OpenAI / HF). • LangChain/LangGraph/LlamaIndex; MCP; vLLM/локальный инференс; GraphRAG; брокеры сообщений. • опыт работы с Jira / Confluence; • user stories/use cases, BPMN/UML, REST, SQL). • Streamlit / Gradio для демо; • MLOps / CI-CD. Плюсом • Понимание процессов SA • Формат • Участие во всём цикле R&D: гипотезы → прототип → метрики → решение kill/iterate/scale. • Ожидаем самостоятельность и ориентацию на результат. ❌ Кого мы не ищем: • чистого prompt-инженера без разработки; • ML-researcher’а без продакшн-мышления; • backend-разработчика без понимания LLM; • специалиста «поиграться с ChatGPT». Что будете делать • Разрабатывать AI-агентов (single/multi-agent), оркестрация tools + LLM. • Строить RAG/KB по корпоративной документации (PDF/DOCX/Confluence/Notion). • Интегрировать с Jira/YouTrack, Confluence/Notion, базами данных и внешними API. • Делать сервисы на Python (FastAPI): вебхуки, API, панели/эндпойнты. • Вести качество: метрики, логи, A/B, снижение галлюцинаций, оптимизация cost/latency. • Работать с аналитиками: описывать процессы → превращать в сценарии агента.