Senior AI Engineer

О вакансии

Мы ищем опытного AI-инженера, который сможет превратить сложные бизнес-задачи в работающие, масштабируемые AI-решения. Фокус на решении реальных бизнес-проблем, а не на исследованиях. Нам важно стратегическое мышление: умение быстро собирать PoC, валидировать их на метриках и итеративно доводить MVP до продакшена

Основные задачи

Анализ и декомпозиция бизнес-задач

Проектирование архитектуры AI-решений совместно с командой: выбор подходящих паттернов

Внедрение метрик качества (точность, релевантность, время ответа), регулярный анализ результатов, формулирование гипотез, итеративное улучшение решения

Разработка AI-агентов и copilot-систем (оркестрация агентов, управление памятью, планирование и декомпозиция задач, умная маршрутизация)

Построение RAG-систем: выбор стратегий индексации, определение оптимального чанкинга, обогащение метаданными, реализация гибридного поиска и переранжирования

Версионирование промтов, моделей, датасетов

Внедрение наблюдаемости (observability) решений: трейсинг цепочек вызовов, мониторинг качества ответов, контроль затрат токенов и времени ответа

Взаимодействие с командой разнонаправленных специалистов (backend/devops/ml/promt-engineer)

Мы ждем от вас

3+ лет прикладной AI/ML-разработки с фокусом на NLP и LLM-системы

Опыт с LLM API: промпт-инжиниринг, управление контекстом, streaming

Практический опыт с LLM-агентами: ReAct-паттерн, function calling, chain-of-thought рассуждения, multi-agent системы

Обязательное знание LangFlow, n8n или аналоги

Глубокое понимание RAG: векторный и гибридный поиск, стратегии чанкинга, переранжирование

Сильный Python: чистый, типизированный код, unit-тесты, асинхронное программирование, ооп, docker

Знание фреймворков: LangChain, LangGraph, CrewAI или аналоги

Векторные базы данных: Milvus, Chroma или аналоги

LLM observability tools: LangFuse или подобные платформы

Понимание микросервисной архитектуры

Опыт с FastAPI или аналогами

Способность объяснить сложные AI-концепции нетехническим стейкхолдерам

Будет преимуществом опыт fine-tuning и дистилляции моделей, а также понимание современных архитектур сетей

Практический опыт с семействами Qwen, GLM, DeepSeek и аналогами

Понимание принципов развёртывания LLM: инференс-серверы (vLLM, sglang), масштабирование, квантизация, GPU trade-offs

Что мы предлагаем

Гибридный формат работы. Оклад + квартальные и годовые бонусы. Комфортный офис в 10 минутах пешком от метро Таганская. ДМС со стоматологией, страхование при поездках за рубеж, страхование жизни. Участие в конференциях и митапах, обучение за счет компании. Бесплатная мобильная связь. Специальные предложения от партнеров и друзей МТС.