Старший AI-инженер

Что предстоит делать

<h3>Необходимые навыки</h3> <p>VisiQuate ищет <strong>Senior AI Engineer</strong> с сильным опытом в backend-разработке и практическим опытом создания production AI-систем и agentic-процессов разработки.</p> <p>Это не роль в Data Science и не роль, связанная только с prompt-engineering.</p> <p>Мы ищем senior software engineer, который вырос до Applied AI и способен проектировать, создавать, валидировать и эксплуатировать надёжные системы, где LLM и AI-агенты являются ключевыми частями архитектуры.</p> <p>Помимо традиционного опыта в Applied AI, такого как RAG, retrieval и приложения на основе <nobr>LLM-powered</nobr>, мы ожидаем, что этот человек будет уверенно работать с современными <strong>coding-агентами и agent harnesses</strong>, такими как Claude Code, Codex или аналогичными инструментами.</p> <p>Идеальный кандидат понимает, как создать инженерное окружение вокруг AI-агента: предоставить спецификации, контекст, инструменты, навыки, ограничения, автоматическую валидацию и механизмы ревью, чтобы агент мог безопасно выполнять значительные части процесса разработки.</p> <p><strong>Требования</strong></p> <ul><li>7+ лет коммерческого опыта в software engineering на уровне Senior;</li><li>Сильный опыт backend-разработки на Java, Python, Go, C# или аналогичном production-языке;</li><li>Сильное понимание API, системных интеграций, баз данных, асинхронной обработки и основ распределённых систем;</li><li>Опыт проектирования и поставки масштабируемых, надёжных, поддерживаемых backend-систем;</li><li>Практический опыт создания <nobr>LLM-powered</nobr> решений для реальных бизнес-задач;</li><li>Практический опыт с RAG, retrieval-системами, векторным поиском, архитектурами на основе знаний или пайплайнами обработки документов;</li><li>Опыт создания AI-агентов, workflow с использованием инструментов, автоматизаций или многосоставных AI-систем;</li><li>Практический опыт использования современных coding-агентов, таких как <strong>Claude Code, Codex, Cursor agents или сравнимых систем</strong>, для нетривиальных инженерных задач;</li><li>Понимание <strong>agent harnesses</strong>: как структурировать контекст, инструкции, инструменты, права доступа, контрольные точки и циклы обратной связи вокруг AI-агента;</li><li>Опыт создания или настройки <strong>навыков, плагинов, интеграций через MCP, кастомных инструментов, коннекторов или API, доступных агентам</strong>;</li><li>Способность проектировать многошаговые агентные workflow, а не полагаться на отдельные промпты;</li><li>Опыт делегирования значительных инженерных задач AI-агентам при сохранении качества и контроля;</li><li>Способность валидировать работу, сгенерированную AI, с помощью автоматизированного тестирования, статического анализа, интеграционных тестов, review-агентов, AI-assisted QA и других механизмов автоматической проверки;</li><li>Сильное понимание режимов отказа LLM, галлюцинаций, ограничений контекста, сбоев инструментов и стратегий безопасного отката;</li><li>Способность тестировать, оценивать, мониторить и критически валидировать выводы LLM и агентов;</li><li>Сильные навыки ownership, отладки, code review и решения проблем;</li><li>Способность самостоятельно превращать неоднозначные продуктовые требования в работающие технические решения;</li><li>Комфортная работа с разными технологиями и инструментами, когда этого требует задача.</li></ul> <p><strong>Ожидания по Agentic Engineering</strong></p> <p>Мы ищем инженера, который знает, как сделать AI-агентов продуктивными в реальной среде software engineering.</p> <p>Вы должны уверенно справляться с такими задачами, как:</p> <ul><li>Подготовка репозитория или сервиса так, чтобы AI-агент мог эффективно в нём работать;</li><li>Определение инструкций, соглашений, правил и переиспользуемых навыков на уровне проекта и сервиса;</li><li>Предоставление агентам правильного бизнесового и технического контекста;</li><li>Открытие внутренних инструментов, API, документации, Jira, Confluence, баз данных или других систем через MCP или аналогичные интеграции;</li><li>Проектирование workflow master-agent/sub-agent или multi-agent;</li><li>Определение того, какой контекст нужен агенту и как этот контекст должен поддерживаться или обновляться;</li><li>Создание переиспользуемых агентных инструментов и workflow для разработки, тестирования, отладки, документации и code review;</li><li>Использование автоматизированных тестов и валидационных гейтов как основного механизма обратной связи для работы, сгенерированной агентом;</li><li>Использование review-агентов, QA-агентов или других независимых шагов валидации перед принятием результата;</li><li>Определение границ того, что агент может выполнять автономно, а где требуется одобрение человека;</li><li>Диагностика причин сбоя агента и улучшение harness, контекста, инструментов или процесса валидации, а не только переписывание промпта.</li></ul> <p>Мы <strong>не</strong> ожидаем, что инженеры будут вручную проверять каждую строку, сгенерированную AI-агентом.</p> <p>Мы ожидаем, что они будут проектировать системы, в которых корректность можно всё больше проверять с помощью <strong>тестов, проверок, автоматизированного ревью, observability и контролируемых циклов обратной связи</strong>.</p> <h3>Будет плюсом</h3> <ul><li>Глубокий опыт работы с MCP или аналогичными протоколами интеграции агентов с инструментами;</li><li>Опыт разработки MCP-серверов или клиентов;</li><li>Опыт создания кастомных навыков, плагинов, инструментов или коннекторов для AI-агентов;</li><li>Опыт проектирования сред coding-агентов для крупных или многосервисных кодовых баз;</li><li>Опыт с multi-agent оркестрацией и делегированием между агентами;</li><li>Опыт с context engineering для длительных или сложных агентных workflow;</li><li>Опыт с памятью агентов, управлением состоянием и сжатием контекста;</li><li>Опыт AI-assisted разработки ПО на уровне команды или организации;</li><li>Опыт создания фреймворков оценки или регрессионного тестирования для AI-агентов;</li><li>Опыт с оценкой RAG, метриками retrieval, reranking, гибридным поиском и grounding;</li><li>Опыт развёртывания AI-систем или агентов в production;</li><li>Опыт с облачной инфраструктурой, контейнерами, CI/CD, мониторингом, трейсингом и observability;</li><li>Опыт работы с чувствительными данными и проектирования безопасных, аудируемых систем;</li><li>Опыт в healthcare, fintech, аналитике или другой data-intensive области;</li><li>Вклад в open-source, связанный с AI-агентами, MCP, инструментами для разработчиков, инфраструктурой для LLM или backend-разработкой.</li></ul> <h3>Предлагаем</h3> <ul><li>Работа с <strong>блестящей, высококвалифицированной продуктовой и инженерной командой</strong>, которая ценит сильное техническое суждение, ownership и непрерывное обучение;</li><li>Доступ к <strong>современным инструментам и инфраструктуре для AI-инженерии</strong>, включая продвинутые LLM, coding-агентов, agentic-процессы, MCP, кастомные инструменты и фреймворки автоматизации;</li><li>Значимые технические задачи на стыке <strong>backend-разработки, AI, данных и healthcare</strong>;</li><li>Быстрорастущая продуктовая компания с <strong>реальными production-кейсами</strong> и возможностью влиять на техническое направление;</li><li>Возможность экспериментировать и внедрять <strong>новые AI-инструменты, фреймворки и инженерные практики</strong> там, где они приносят реальную ценность;</li><li>Гибкий график работы;</li><li>Комфортный офис в центре города, гибридный формат или удалённая работа;</li><li>Бесплатные занятия английским;</li><li>Рабочая техника.</li></ul> <h3>Обязанности</h3> <ul><li>Проектировать и разрабатывать AI-системы на backend с LLM в качестве ключевого компонента;</li><li>Создавать и развивать RAG-пайплайны, приложения на основе знаний и retrieval-архитектуры;</li><li>Разрабатывать AI-агентов, автоматизации, интеграции инструментов и agentic workflow;</li><li>Проектировать и поддерживать agent harnesses, которые обеспечивают агентов правильным контекстом, инструментами, ограничениями и механизмами валидации;</li><li>Интегрировать AI-возможности с существующими продуктовыми сервисами, API, базами данных и операционными workflow;</li><li>Создавать MCP-интеграции, кастомные инструменты, коннекторы и переиспользуемые возможности для AI-агентов;</li><li>Создавать многошаговые workflow, в которых агенты могут исследовать, реализовывать, тестировать, ревьюить и улучшать свою работу в контролируемых границах;</li><li>Использовать coding-агентов для ускорения реализации backend-сервисов, интеграций, тестов, миграций, документации и другой инженерной работы;</li><li>Выстраивать автоматизированные циклы обратной связи вокруг сгенерированного AI кода с использованием unit-тестов, интеграционных тестов, статического анализа, code-review-агентов и AI-assisted QA;</li><li>Проектировать модульные, масштабируемые, надёжные, безопасные и наблюдаемые архитектуры для приложений на основе AI;</li><li>Быстро прототипировать AI-решения, валидировать их ценность и надёжность и превращать успешные прототипы в production-системы;</li><li>Создавать переиспользуемые фреймворки, сервисы, навыки, инструменты и внутреннюю инфраструктуру, которые ускоряют AI-разработку во всей инженерной организации;</li><li>Определять практические подходы к оценке, регрессионному тестированию, мониторингу и безопасной эксплуатации <nobr>LLM-based</nobr> функций и AI-агентов;</li><li>Определять подходящие human-in-the-loop контрольные точки для высокорисковых или неоднозначных действий;</li><li>Сотрудничать с продуктовыми и инженерными командами для поставки надёжного клиентского функционала;</li><li>Участвовать в архитектурных решениях, code review и техническом планировании;</li><li>Непрерывно улучшать то, как инженерная команда использует AI-агентов для разработки ПО.</li></ul> <p><strong>Кого мы не ищем</strong></p> <p>Эта роль, вероятно, не подойдёт, если ваш опыт в AI ограничивается:</p> <ul><li>Использованием ChatGPT или Copilot для случайных подсказок по коду;</li><li>Написанием промптов без построения окружающей системы;</li><li>Созданием изолированных демо без production-интеграции;</li><li>Использованием AI-агента без настройки его инструментов, контекста, валидации или прав доступа;</li><li>Опора преимущественно на ручное ревью для проверки всего, что создаёт агент;</li><li>Работой только с традиционным ML/Data Science без практического опыта LLM и agent engineering.</li></ul> <h3>О проекте</h3> <p>VisiQuate — продуктовая компания, создающая решения для аналитики и автоматизации workflow на основе AI для сферы healthcare.</p> <p>Наша платформа интегрирует большие объёмы разрозненных данных healthcare, превращает их в практически применимые инсайты и обеспечивает интеллектуальные workflow, которые повышают финансовую эффективность и операционную производительность.</p> <p>Эта роль сосредоточена на <strong>практической AI-инженерии и agentic-разработке ПО</strong>: создании надёжных production-систем для клиентов, а также разработке инструментов, harnesses и workflow, которые позволяют инженерам и AI-агентам эффективно работать вместе.</p> <div> <a href="https://jobs.dou.ua/companies/visiquate/vacancies/373443/#reply-btn-id">Откликнуться на вакансию</a> </div>