Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Описание вакансии
Текст:
TL;DR
Fullstack AI Engineer (LLM/RAG): Разработка и запуск LLM-приложений, агентских сценариев и внутренних AI-инструментов для бизнес-команд с акцентом на интеграцию моделей, данных и корпоративных систем. Focus on построение RAG и agentic-flow, развитие LLM-шлюза, измерение качества AI-сценариев и доведение PoC до production.
Локация: Москва, Овчинниковская набережная, 18/1с2. Формат работы: на месте работодателя или гибрид.
Компания
PARI развивает внутренние AI-решения для юридических, финансовых, маркетинговых, CRM и других корпоративных функций.
Что делать
- Разрабатывать LLM-приложения, AI-ассистентов и агентские сценарии для внутренних команд.
- Интегрировать готовые AI-продукты с операционными процессами, внутренними системами, API, 1С, корпоративными хранилищами и BI.
- Проектировать взаимодействие LLM с инструментами и данными через tool calling, MCP, RAG, embeddings и векторный поиск.
- Развивать LLM-шлюз с маршрутизацией между моделями и провайдерами, виртуальными ключами, лимитами, бюджетами и guardrails.
- Создавать PoC, внутренний AI-чат, систему оценки качества и мониторинг сценариев, а затем запускать проверенные решения в production.
- Работать напрямую с владельцами бизнес-процессов, разработкой, информационной безопасностью и юристами.
Требования
- От 3 лет коммерческого backend-опыта и минимум 1 год практической работы с Python.
- Production-опыт с LLM-приложениями: RAG, AI-ассистентами, агентами, tool calling или интеграциями с бизнес-процессами.
- Понимание context management, structured output, embeddings, RAG и agentic-flow.
- Опыт работы с LangGraph, LangChain или аналогичными фреймворками, а также с внешними и внутренними API.
- Знание system design, SQL, баз данных, очередей, кэширования, интеграционных паттернов, Git, Docker и FastAPI или аналогов.
- Опыт с RabbitMQ, Kafka или аналогами, а также с векторным поиском и базами данных, например Qdrant.
Хорошо, если есть
- Опыт развития LLM-шлюзов типа LiteLLM: маршрутизация, виртуальные ключи, лимиты и контроль потребления.
- Опыт самостоятельного анализа бизнес-процессов и доведения решений до production-нагрузки.
Культура и преимущества
- Возможность быстро проверять технические и продуктовые гипотезы на реальных пользователях.
- Фокус на решениях, которые входят в ежедневную работу сотрудников и подтверждают бизнес-эффект.
- Работа над AI-продуктами от первой гипотезы до production и последующего масштабирования.
Процесс найма
- Звонок с рекрутером и интервью с руководителем.
- Финальная встреча в офисе, служба безопасности и офер.
Будьте осторожны: если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →