Архитектор LLM

Что предстоит делать

<p>LITSLINK ищет опытного <strong>LLM Architect</strong> для работы над сложной production-grade системой анализа документов и извлечения структурированных данных.</p><p>Мы ищем не просто LLM Engineer, который реализует заранее поставленные технические задачи. Нам нужен <strong>практикующий архитектор</strong>, способный спроектировать ML/LLM-систему end-to-end, обосновать архитектурные решения, оценить технические компромиссы и обеспечить, чтобы система была <strong>точной, надёжной, эффективной и масштабируемой в production</strong>.</p><p>Мы ценим глубокие знания не только LLM и RAG, но и <strong>NLP, Information Retrieval, моделирования данных, оценки качества и production ML-систем</strong> — включая понимание лежащих в основе подходов и алгоритмов, их компромиссов и того, когда их следует применять.</p><h3>О проекте</h3><p>Мы создаём сложного <nobr>LLM-powered</nobr> агента, который анализирует документы и извлекает из них заранее заданные структурированные данные.</p><p>Три свойства критически важны:</p><ul><li><strong>Точность (Accuracy)</strong> — извлечённые данные должны соответствовать исходным документам, включая точные ссылки и цитаты.</li><li><strong>Валидность (Validity)</strong> — сгенерированные структуры должны соответствовать заранее заданным схемам, типам данных, обязательным полям и бизнес-правилам.</li><li><strong>Отсутствие дубликатов</strong> — система не должна повторно создавать структуры, которые уже были приняты или отклонены.</li></ul><p>Ваша основная ответственность — <strong>спроектировать архитектуру пайплайна извлечения данных и лично участвовать в реализации его ключевых компонентов</strong>.</p><h3>Чем вы будете заниматься</h3><ul><li>Проектировать end-to-end архитектуру <strong><nobr>LLM-powered</nobr> пайплайна извлечения данных из документов</strong>.</li><li>Определять, где следует использовать LLM, а где более уместны <strong>детерминированные алгоритмы и исполняемая валидация</strong>.</li><li>Проектировать multi-pass пайплайны, такие как <strong>extract → validate → deduplicate/link → verify → iterate</strong>.</li><li>Создавать измеримые фреймворки качества с использованием <strong>golden datasets, Precision/Recall/F1, regression-тестирования и автоматизированных quality gates в CI</strong>.</li><li>Проектировать стратегии <strong>гибридного точного + семантического поиска (retrieval)</strong>, индексации и reranking.</li><li>Проектировать подходы к дедупликации на основе идентичности, связыванию записей (record linkage) и разрешению сущностей (entity resolution).</li><li>Проектировать логику инкрементальной переиндексации, версионирования и замещения (supersession).</li><li>Обеспечивать идемпотентность и возобновляемость пайплайнов с надлежащим кэшированием и оптимизацией токенов/затрат.</li><li>Определять исполняемые критерии приёмки для архитектурных решений.</li><li>Лично участвовать в реализации и валидации критически важных технических компонентов.</li></ul><h3>Обязательные требования</h3><ul><li>Опыт вывода в production <strong>3+ <nobr>LLM-powered</nobr> систем</strong>, каждая из которых сопровождалась измеримым фреймворком качества/оценки, созданным лично вами.</li><li>Практический опыт работы с <strong>golden sets, Precision/Recall или аналогичными метриками качества, regression-тестированием и quality gates в CI</strong>.</li><li>Прочные практические знания <strong>LLM-систем, NLP и Information Retrieval</strong>.</li><li>Опыт <strong>структурированного извлечения информации/данных из документов</strong>.</li><li>Подтверждённая способность разделять <strong>извлечение на основе модели и детерминированную валидацию в исполняемом коде</strong>.</li><li>Практический опыт работы с <strong>RAG, эмбеддингами, семантическим поиском, гибридным retrieval, reranking и векторными базами данных</strong>.</li><li>Сильный опыт в <strong>Python</strong> и software engineering.</li><li>Опыт работы с <strong>моделированием данных, дедупликацией на основе идентичности, record linkage и/или entity resolution</strong>.</li><li>Опыт проектирования сложных <strong>многоэтапных / агентных пайплайнов</strong>.</li><li>Глубокое понимание production-аспектов, таких как <strong>надёжность, производительность, наблюдаемость, масштабируемость и оптимизация затрат</strong>.</li></ul><h3>Что для нас особенно важно</h3><p>Нам нужен человек, способный не просто рекомендовать технологию — вы должны уметь <strong>объяснить и защитить архитектурное решение, стоящее за ней</strong>.</p><p>Например, сказать <em>«нам следует использовать Chroma для векторного поиска»</em> недостаточно. Мы ожидаем, что вы объясните, <strong>почему Chroma подходит для конкретного случая использования, как она соотносится с pgvector или другими альтернативами, какие компромиссы влечёт каждый вариант и при каких условиях вы выбрали бы другое решение</strong>.</p><p>Мы ожидаем такой же глубины рассуждений в отношении <strong>эмбеддингов, стратегий retrieval, чанкинга, reranking, валидации, дедупликации, оценки качества и архитектуры агента</strong>.</p><p>Мы ищем <strong>одновременно архитектора и практика</strong> — человека, который принимал такие решения в реальных production-системах и при этом может лично валидировать и реализовывать предложенную архитектуру.</p><h3>Будет плюсом</h3><ul><li>Опыт работы с <strong>документами в сфере страхования, финансов, юриспруденции или других регулируемых доменах</strong>.</li><li>Опыт работы с event-sourced или lakehouse-хранилищами записей: <strong>append-only, версионирование, time-travel</strong>.</li><li>Построение knowledge graph.</li><li>Продвинутый опыт record linkage / entity resolution.</li><li>Опыт работы с <strong>паттернами adversarial-verification агентов</strong>.</li><li>Опыт создания кастомных <strong>наборов/инструментов для оценки LLM</strong>, когда готовые фреймворки оказывались недостаточными.</li></ul><h3>Условия сотрудничества</h3><ul><li><strong>Удалённо</strong></li><li><strong>Полная занятость в течение первых 2+ месяцев</strong></li><li>Последующий переход на <strong>частичную занятость</strong></li><li>Прямая коммуникация с технической командой и клиентом</li><li>Долгосрочное сотрудничество</li></ul><p><strong>Это не роль, ориентированная в первую очередь на стандартные интеграции чат-ботов/RAG или prompt engineering.</strong> Мы ищем человека с глубоким production-опытом, который способен <strong>спроектировать надёжную ML/LLM-систему, обосновать ключевые архитектурные решения и определить измеримые способы доказать, что система работает корректно.</strong></p> <div> <a href="https://jobs.dou.ua/companies/litslink/vacancies/373598/#reply-btn-id">Откликнуться на вакансию</a> </div>