Инженер RAG-систем (Python/ML)

Что предстоит делать

О нас LumosIT - пять лет на рынке IT-разработки для бизнеса, резидент Технопарка Сколково, резидент Московского Инновационного Кластера, патенты на изобретения в области передовых методов AI. Строим корпоративные AI-системы для B2B: от строительства и производства до банков и логистики. Ядро нового продукта - интеллектуальные базы знаний, которые отвечают на основе внутренней документации компании без галлюцинаций и с трассировкой до источника. Заказов становится больше, проекты идут параллельно, поэтому расширяем команду инженером, для которого RAG это основная специализация.

• Проектировать и строить RAG-пайплайны под нестандартные источники: транскрипты, живая речь, методологические материалы
• Строить Knowledge Graph поверх векторной базы - типология связей, смысловые цепочки, интеграция с retrieval в лучших традициях Карпати
• Разворачивать LLM семейства Qwen локально, настраивать OpenAI-совместимый API поверх
• Работать с Qdrant: payload-фильтрация, гибридный поиск, мультиарендная архитектура
• Задачи повторяются от проекта к проекту, устойчивый поток работы.

Что ждём от вас

• Опыт в Python и ML от 5-6 лет. С RAG-системами от 2-3 лет - с того момента, когда это стало актуальной инженерной задачей.
• Гибридный поиск (dense + sparse/BM25) - строил, понимаешь ограничения семантики
• Qdrant или аналог (Weaviate, Milvus) - работал в продакшне, не на пет-проектах
• Knowledge Graph - ребра с типологией, граф-обход, связка с векторным поиском
• Локальный деплой: llama.cpp, vLLM или Ollama, квантизация, CUDA
• LangGraph или LangChain - многошаговые агенты с состоянием, обработка ошибок, retry
• Русскоязычные данные - знаешь специфику токенизации, умеешь выбирать embedding-модель под задачу
• Стек: Python 3.10+, FastAPI, asyncio · LangGraph · Qdrant + pgvector · PostgreSQL / SQLAlchemy async · sentence-transformers, multilingual-e5-large · NetworkX · llama.cpp / vLLM · Docker, Linux · Git
• Плюсом: опыт с RAGAS / DeepEval, Neo4j, неструктурированными источниками, LoRA fine-tuning на RU-данных.

Что предлагаем