Python Backend / AI Engineer

Что предстоит делать

Ищем самостоятельного разработчика, способного работать на пересечении классического Python Backend и AI Engineering. Важно, чтобы кандидат не ограничивался использованием готовых AI-библиотек, а понимал архитектуру агентных систем, умел самостоятельно проектировать решения, интегрировать модели в продукты и при необходимости заниматься их развертыванием и сопровождением. Основные обязанности • Разработка и поддержка backend-сервисов на Python с использованием Django и FastAPI. • Проектирование API, интеграций и архитектуры backend-приложений. • Работа с PostgreSQL, Redis, оптимизация запросов и производительности сервисов. • Разработка AI-агентов и агентных систем на базе LLM. • Создание агентных решений как с использованием фреймворков (LangGraph, LangChain, OpenAI Agents SDK и аналоги), так и без них. • Интеграция локальных и облачных LLM в существующие продукты. • Разработка инструментов (tools), управление вызовами функций, состоянием и контекстом агентов. • Контейнеризация, развертывание и сопровождение сервисов с использованием Docker. • Работа с AI-инфраструктурой: запуск, настройка и поддержка LLM на собственных серверах и облачных GPU-платформах. Обязательные требования • Уверенное знание Python, опыт коммерческой backend-разработки. • Опыт работы с Django и FastAPI. • Хорошее знание PostgreSQL и Redis. • Уверенное владение Docker и Docker Compose. • Понимание асинхронного программирования в Python (asyncio). • Практический опыт интеграции LLM в приложения. • Опыт разработки AI-агентов, использования tool calling / function calling. • Понимание принципов работы LLM, управления контекстом и построения агентных процессов. • Опыт работы с REST API, внешними сервисами и сторонними интеграциями. • Уверенное владение Git, Linux. Будет большим плюсом • Опыт работы с LangGraph, LangChain, OpenAI Agents SDK. • Опыт самостоятельного проектирования агентных архитектур без использования готовых фреймворков. • Опыт развертывания и обслуживания локальных LLM (Qwen, Gemma, Llama и другие). • Опыт работы с GPU-инфраструктурой, RunPod и аналогичными платформами. • Знание vLLM, llama.cpp, Ollama и других инструментов инференса. • Понимание принципов квантования моделей, ограничений VRAM и оптимизации инференса. • Опыт построения RAG-систем, работы с эмбеддингами и векторным поиском. • Опыт настройки мониторинга, логирования и CI/CD.