AI-инженер / LLM-инженер

О вакансии

АО «Мособлгаз» — одна из крупнейших газораспределительных компаний России, приглашает в свою команду AI-инженер / LLM-инженер.

Мы развиваем собственную ИИ-платформу для сотрудников компании. Она уже работает и у неё есть реальные пользователи. Модели класса Qwen 100B+ работают на наших серверах в закрытом контуре.Следующий шаг — семантический слой: агенты и RAG поверх данных внутренних информационных систем.

Обязанности

Разрабатывать агентов на LangGraph: tool calling, многошаговые сценарии, human-in-the-loop, обработка ошибок. Строить RAG по внутренним документам: разбор PDF/DOCX, сканов и таблиц, индексация, гибридный поиск (BM25 + dense), реранкинг. Делать и развивать агентов для корпоративных систем (Bitrix, Jira, Alfresco, Exchange, 1С): text-to-SQL по MS SQL / PostgreSQL, интеграции через REST API. Разбирать ошибки агентов по трейсам, вести регрессионные наборы и метрики качества. Вместе с заказчиками вести решение от прототипа до передачи в эксплуатацию и документировать его.

Требования

От 2 лет разработки на Python, из них от 1 года — LLM-проекты (агенты, ассистенты, RAG). asyncio, FastAPI, pydantic, тесты. LangGraph, LangChain или аналоги; function calling, structured output, паттерны агентов (ReAct, plan-and-execute, роутинг). RAG на практике: chunking, эмбеддинги, векторный и гибридный поиск (Qdrant, pgvector или аналоги). Понимание ограничений LLM и способов их обходить: контекстное окно, галлюцинации, недетерминизм. Умение решить, где нужна LLM, где достаточно детерминированного решения, а где — классического ML, и обосновать выбор по качеству, стоимости и надёжности. Оценка качества: собрать тестовый набор, выбрать метрики (recall@k, faithfulness, RAGAS или аналоги), провести офлайн-оценку и side-by-side сравнение версий промпта или пайплайна. Уверенный SQL; Docker / Docker Swarm, GitLab CI. Умение общаться с бизнес-заказчиками, переводить задачу в техническую постановку и писать понятную документацию.

Будет преимуществом

Работа с open-weight моделями (Qwen, DeepSeek) и их деплой на vLLM: квантование (FP8/AWQ), guided decoding. Опыт с российскими LLM (GigaChat, YandexGPT) через API. LiteLLM как шлюз к моделям; OpenWebUI (Functions, Tools, Pipelines). Langfuse или LangSmith, LLM-as-a-judge. MCP: создание и подключение серверов. Защита LLM-систем: prompt injection, маскирование конфиденциальных данных. Классический ML для текстов: классификация, кластеризация, бустинги, sklearn (например, для маршрутизации запросов).

Почему стоит к нам прийти

Развитие. Мы компенсируем затраты на обучение по программам, которые нужны для работы:тренинги, семинары, курсы — поможем расти профессионально. Забота о здоровье. После испытательного срока предоставляем ДМС (с софинансированием). Комфорт на работе. На территории есть столовая,где можно вкусно пообедать, и корпоративный фитнес-клуб. Для семьи. Детям сотрудников предоставляем путёвки в корпоративный лагерь. Удобный путь на работу. Организован корпоративный транспорт от метро «Парк Победы».

Место работы: Рублёво-Успенское шоссе, 1-й километр, 1Б. График: 5/2, с 09:00 до 18:00, в пятницу — до 16:45.

Присоединяйтесь к команде «Мособлгаза» — здесь вы сможете решать масштабные задачи и расти вместе с одной из ведущих компаний отрасли!