AI/LLM Engineer (Go + Python)

Вакансия AI / LLM Engineer (Go + Python)

🟢Удаленно🟢Полная занятость
🟢от 1 800 $
🟢В компанию Scela

🟦Описание вакансии
Ищем AI/LLM Engineer, который будет проектировать и развивать production-системы на базе LLM.

Нам нужен не классический Data Scientist и не специалист, который занимается только промптами. Ищем инженера, который умеет собрать LLM-систему целиком: от prompt/context logic и агентных сценариев до backend-сервисов, интеграций, тестирования и запуска в production.

ОСНОВНОЙ СТЕК — Go + Python.

⏺️Go — используем для production-backend, сервисов и высоконагруженной бизнес-логики.
⏺️Python — для LLM-инфраструктуры, AI-компонентов, прототипирования и экспериментов.

🟦Задачи
– 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.

Также важно:
– 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.

‼️ВАЖНО
Ищем инженера, который воспринимает LLM не как простой API, а как компонент большой production-системы.

Важно уметь проектировать всю логику вокруг модели: какие данные передать в контекст, какого агента или инструмент вызвать, как проверить результат, обработать ошибку и определить следующий шаг.

Ищем software engineer с сильной AI/LLM-экспертизой, который умеет не только написать хороший промпт, но и довести всю систему до стабильного production-решения.

💬 Резюме отправлять: Показать контакты