О вакансии
Ищем AI/LLM Engineer, который будет проектировать и развивать production-системы на базе LLM. Нужен инженер, умеющий собрать LLM-систему целиком: от prompt/context logic и агентных сценариев до backend-сервисов, интеграций, тестирования и запуска в production.
Обязанности
- Проектировать и развивать LLM/AI-системы и AI-агентов
- Строить многошаговые agentic workflows: routing, tool calling, state management
- Работать с Prompt Engineering и Context Engineering
- Управлять контекстом, памятью и состоянием диалога
- Реализовывать structured output и function/tool calling
- Строить RAG-пайплайны: chunking, embeddings, retrieval, reranking
- Интегрировать LLM с API, базами данных и внутренними сервисами
- Разрабатывать backend-сервисы на Go и AI-компоненты на Python
- Исследовать новые модели и подходы, быстро проверять гипотезы
- Выбирать модели с учетом качества, latency и стоимости
- Строить систему оценки качества: evals, regression tests, golden datasets, LLM-as-a-judge
- Анализировать логи и traces, улучшать качество и стабильность агентов
- Реализовывать retries, fallbacks, timeouts и обработку ошибок
- Доводить решения от прототипа до стабильного production
Требования
- Go: production-сервисы, REST/gRPC API, concurrency, работа с БД, микросервисная архитектура
- Python: AI-сервисы и backend, async, API, обработка данных, быстрое прототипирование
- Практический опыт разработки production-приложений с LLM
- Понимание архитектуры современных AI-систем: prompt → context → tools → agent → state → evaluation
- Опыт Prompt Engineering: system prompts, few-shot, prompt chaining, structured output
- Опыт Context Engineering: memory, summarization, динамическая сборка контекста
- Опыт создания AI-агентов и agentic workflows
- Работа с LLM API и понимание особенностей разных моделей
- Понимание RAG: embeddings, vector search, retrieval, reranking, hybrid search
- Понимание evals, regression testing и анализа production-логов
- Опыт с PostgreSQL, MongoDB, Redis, Docker, Git, CI/CD
- Понимание production-подходов: observability, scalability, latency, retries, fallbacks и контроль стоимости
Будет плюсом
- Multi-agent системы
- LangGraph, MCP
- Langfuse / LangSmith
- Elasticsearch / OpenSearch
- Open-source LLM: Qwen, Llama, DeepSeek и др.
- vLLM / Ollama
- Kafka / RabbitMQ
- Kubernetes
- Оптимизация token usage, latency и стоимости LLM
- Guardrails и защита от prompt injection
- Highload-системы
Условия
- Формат работы: полностью удаленный
- График: 5/2 (ПН–ПТ, 10:00–19:00 МСК)
- Испытательный срок: 2 недели оплачиваемой стажировки (полная ставка, без срезов оклада)
- Оплата: 1500–2000$ по результатам собеседования, выплаты каждые 2 недели на USDT
- Подписание договора NDA (по паспортным данным и видеоверификации)