Middle+/Senior Full Stack AI Engineer

Что предстоит делать

Middle+/Senior Full Stack AI Engineer Ищем Full Stack AI Engineer, который умеет не просто интегрировать LLM, а строить устойчивые AI-продукты end-to-end: от архитектуры и веб-интерфейса до оркестрации агентных пайплайнов, качества выдачи и поддержки production-решений.

• Развивать архитектуру платформы совместно с командой: рефакторинг кодовой базы, внедрение новых модулей, работа с оркестраторами вроде Temporal, LangGraph и аналогов.
• Разрабатывать новые сценарии генерации презентаций: обрабатывать входные данные в разных форматах — текст, таблицы, изображения — и улучшать качество итоговой выдачи.
• Строить и развивать веб-редактор: интерактивное редактирование слайдов, преднастройки презентаций, работа с иконками, изображениями и UI-компонентами.
• Интегрировать и оптимизировать LLM-пайплайны: промпт-инжиниринг, балансировка качества и стоимости генерации, обработка ошибок и нестабильных ответов модели.
• Проектировать и улучшать AI-агентные сценарии: последовательные цепочки агентов, передача контекста, контроль качества результата на каждом этапе.
• Участвовать в принятии архитектурных решений: взвешивать trade-off'ы, обосновывать выбор подходов, предлагать улучшения для кода и системы в целом.
• Обеспечивать качество кода: ревью, рефакторинг, работа с Git, ветками, PR и параллельной разработкой нескольких инженеров.

Что ждём от вас

• TypeScript, React — уверенное владение.
• AI-оркестрация: Temporal, LangGraph, LangChain — знание хотя бы одного инструмента и понимание принципов.
• LLM: опыт работы с Claude, OpenAI API или аналогами.
• Базы и retrieval: векторные базы данных, RAG, работа с Qdrant, Weaviate, Pinecone или аналогами.
• Инфраструктура: Docker, базовый Linux, nginx.
• Git: git flow, работа с ветками, PR, code review в командной разработке.
• Что важно знать и уметь
• Уверенно проектировать API и структуры данных, а не просто делать «чтобы работало».
• Понимать ООП, принципы чистого кода и уметь оценивать качество как ручного, так и сгенерированного кода.
• Знать, как организовать кодовую базу для параллельной работы нескольких разработчиков без хаоса и конфликтов.
• Понимать принципы построения agentic pipelines: несколько агентов, передача контекста, контроль результата и обработка ошибок.
• Уметь разбираться, где модель ошибается: галлюцинации, потеря контекста, неверная маршрутизация, нестабильность цепочек.
• Знать основы RAG-архитектур: чанкинг, эмбеддинги, гибридный поиск, retrieval-логика и влияние этих решений на качество ответа.
• Личные качества
• Работает автономно и умеет брать задачу целиком, без микроменеджмента.
• Комфортно чувствует себя в условиях неопределённости, когда есть прототип и направление, но нет жёсткой рамки.
• Ориентирован на результат, а не на процесс: важнее качество и работающий продукт, чем объём написанного кода.
• Умеет честно оценивать качество кода — в том числе своего — и спокойно предлагать улучшения.
• Дополнительная информация:
• Для проектов без английского язык не требуется.
• Для европейских и американских проектов нужен английский от B2+.
• Процесс
• Короткое общение с рекрутером.
• Техническое интервью / TechCertify-скрининг.
• Передача на подходящие проекты клиентам.
• Если вам близок инженерный подход, нравится работать на стыке frontend, backend и AI, и есть опыт создания сложных AI-платформ, будем рады пообщаться.