Middle Backend AI Engineer (AI Agents) / Python Developer

Что предстоит делать

Компания intact – системный интегратор, обладающий большим опытом в построении ИТ-инфраструктур. Мы реализуем комплексные проекты для средних и крупных компаний из разных отраслей экономики. intact предлагает полный спектр услуг от проектирования и внедрения решений до сервисной поддержки и обучения специалистов Клиента. Мы работаем с крупнейшими международными производителями оборудования и программного обеспечения. В основе бизнеса Компании — быстрая реакция, гибкие условия сотрудничества, возможность выбора наилучшего решения из ряда альтернатив. Вакансия Middle Backend AI Engineer (AI Agents) /Python Developer отлично подойдет для тех, кто - Силен в Python/FastAPI и умеет строить высоконагруженный бэкенд - Понимает AI-стек: LangChain, RAG, pgvector, промпт-инжиниринг, безопасность LLM - Умеет критически оценивать решения, а не только «кодить по туториалу».

• Блок проектирования и разработки ИИ-агентов:
• Создание архитектуры агентов на LangChain
• Проектирование системы инструментов (tools / function calling) для взаимодействия агента с внешними API, базами данных и файловым хранилищем.
• Блок активного промптинга:
• Написание и итеративное улучшение системных и динамических промптов для - - достижения целевого поведения агентов
• Работа с PromptTemplate, ChatPromptTemplate, FewShotPromptTemplat
• Тестирование промптов на разных LLM-моделях, настройка параметров (температура, top_p)
• Защита промптов от инъекций и нецелевого использования.
• Блок разработки высоконагруженного бэкенда:
• Реализация REST API и WebSocket на FastAPI с оптимизацией под высокие нагрузки
• Проектирование моделей данных через SQLAlchemy (PostgreSQL) и документных схем (MongoDB)
• Настройка пулов соединений, кэширования (Redis), асинхронных воркеров
• Постановка тяжелых задач (эмбеддинги, парсинг документов, batch-обработка) в Celery с отслеживанием статуса
• Интеграция с Kafka для событийной архитектуры и потоковой обработки данных.
• Блок RAG-пайплайны:
• Разработка пайплайнов Retrieval-Augmented Generation с использованием pgvector
• Настройка индексов (IVFFlat, HNSW) для быстрого поиска по сходств
• Реализация гибридного поиска (семантический + полнотекстовый) через комбинацию pgvector и полнотекстового поиска PostgreSQL
• Чанкинг документов, генерация эмбеддингов, управление версиями векторов.
• Блок инфраструктуры и масштабирования:
• Написание Dockerfile и docker-compose для подъема всего стека (FastAPI + Django + Celery worker + Beat + PostgreSQL (pgvector) + MongoDB + Redis + Kafka).
• Настройка сетей, томов, переменных окружения
• Деплой в Kubernetes (написание манифестов, helm-чартов, настройка HPA, Ingress
• Участие в проектировании горизонтального масштабирования (балансировка, репликация БД, шардирование). Оптимизация времени ответа API и потребления ресурсов.
• Блок безопасности:
• Обеспечение безопасного хранения API-ключей и секретов
• Внедрение rate limiting, аутентификации и авторизации
• Мониторинг потенциальных уязвимостей и prompt-атак.
• Наши ожидания:
• Опыт коммерческой разработки на Python от 3+ лет (версии 3.10 и новее).
• Глубокое знание FastAPI (асинхронные эндпоинты, WebSocket, Pydantic v2, dependency injection)
• Опыт работы с Django.
• Работа с базами данных: SQLAlchemy 2.0 (асинхронный/синхронный режимы, отношения, миграции через Alembic) / PostgreSQL + pgvector (настройка расширения, работа с векторными полями, поиск по сходству (IVFFlat / HNSW индексы), гибридный поиск). MongoDB (агрегации, индексы, схемы через Pydantic
• Опыт настройки и использования Celery (брокеры Redis/RabbitMQ, периодические задачи, обработка ошибок, мониторинг через Flower)
• Контейнеризация. Уверенное владение Docker: Написание оптимизированных Dockerfile (многостадийная сборка, кэширование слоев). Управление томами (volumes) для персистентности данных. Настройка сетей (networks) для связи между контейнерами. Билдинг образов, работа с docker-compose
• Git: Работа в команде с GitFlow, ревью кода, Pull Request'ы
• Промпт-инжиниринг: Готовность и опыт написания системных промптов, Few-shot примеров, работа со структурированным выводом (JSON mode / Pydantic parsers)
• LangChain: Опыт коммерческой разработки с LangChain — создание цепочек (chains), маршрутизация, интеграция инструментов (tool calling / function calling), работа с памятью (memory), интеграция с векторными хранилищами через PGVector
• Опыт работы в высоконагруженных проектах: > 1000 RPS, оптимизация запросов к БД (N+1, индексы, кэширование), работа с асинхронностью и конкурентностью (asyncio, semaphores, connection pooling), профилирование и оптимизация кода (cProfile, py-spy, мониторинг), опыт масштабирования приложений (горизонтальное/вертикальное).
• Будет преимуществом:
• Опыт настройки Kubernetes (деплой, scaling, ingress, configmaps, secrets, helm-чарты)
• Опыт работы с Kafka (производители/потребители, управление офсетами, настройка партиций, работа с Schema Registry).
• Знание основ информационной безопасности: Безопасное хранение секретов (Vault, Kubernetes Secrets), защита API (JWT, OAuth2, rate limiting, CORS), безопасная работа с пользовательскими данными (шифрование, маскировка, GDPR), понимание OWASP Top 10 для веб-приложений, безопасная работа с LLM (prompt injection, data leakage, выход за допустимые границы).

Что предлагаем