ИИ-разработчик (AI)

Локация: Москва, Покровский бульвар, 4/17с1. Формат работы: на месте работодателя или гибрид.

Зарплата: до 200 000 ₽ на руки в месяц.

Компания

QSOFT — российский digital-интегратор с экспертизой в AI и ML, развивающий высоконагруженные digital-проекты для бизнеса и государственных структур. В направлении TEAMLY создаётся цифровое пространство для совместной работы, управления знаниями и автоматизации рутинных задач.

Что делать

• Развивать HTTP API и бизнес-логику асинхронных Python-сервисов на FastAPI.
• Проектировать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов.
• Создавать агентные сценарии на LangChain, LangGraph и deepagents с инструментами, middleware, ограничениями вызовов и защитой от циклов.
• Улучшать семантический поиск, включая chunking, dense/sparse retrieval, фильтры Qdrant, reranking, RRF и управление token budget.
• Развивать событийную индексацию контента через Kafka и обеспечивать мультитенантность с фильтрацией по правам пользователей, групп и сообществ.
• Интегрировать LLM-, embedding- и reranking-провайдеров, работать с базами данных, тестами, наблюдаемостью и архитектурными решениями.

Требования

• От 1 года до 3 лет опыта; уверенное владение Python и практический опыт разработки backend-сервисов.
• Понимание асинхронного программирования: event loop, конкурентный I/O, таймауты, отмена, управление ресурсами и graceful shutdown.
• Опыт разработки API на FastAPI или сопоставимом Python-фреймворке.
• Практический опыт с PostgreSQL и SQLAlchemy: транзакции, конкурентный доступ, индексы, миграции и диагностика запросов.
• Понимание событийной архитектуры Kafka, RAG, embeddings, retrieval, reranking и ограничений LLM.
• Умение писать unit- и интеграционные тесты для асинхронного кода и находить причины проблем в существующей кодовой базе.

Хорошо, если есть

• Production-опыт с Qdrant или другой векторной базой, hybrid search и оценкой качества ранжирования.
• Опыт разработки LLM-приложений на LangChain, LangGraph или другом orchestration framework.
• Опыт со structured output, function/tool calling и потоковой генерацией.
• Понимание prompt injection, разграничения доступа к данным и рисков безопасности RAG/agent-систем.
• Опыт эксплуатации Kubernetes, observability, локальных моделей, vLLM или Ollama.

Культура и преимущества

• Работа над AI-функциями платформы, которой ежедневно пользуются тысячи людей.
• Технологический стек включает Python 3.12, FastAPI, PostgreSQL, Redis, Kafka, Qdrant, LangChain, LangGraph, Docker, Kubernetes и GitLab CI.
• В задачах используются структурированные логи, технические метрики, OpenTelemetry и трассировка LLM/RAG через Langfuse.
• Предусмотрено участие в декомпозиции задач, code review и принятии архитектурных решений.