Middle Python/AI Developer — разработчик ядра и интеграций агентов

Локация: Москва, улица Ефремова, 10с1к4/3; возможен удалённый, гибридный или офисный формат работы.

Компания

Разработка и улучшение собственного самообучаемого ИИ-агента для корпоративных бизнес-процессов.

Что делать

• Поддерживать и развивать ядро корпоративного ИИ-ассистента.
• Разрабатывать интеграции с внутренними системами, REST API, MCP-инструментами, базами данных, документооборотом и корпоративными сервисами.
• Проектировать агентные сценарии: вызов инструментов, управление контекстом, структурированные ответы и многошаговые процессы.
• Интегрировать LLM разных провайдеров, оптимизировать качество, скорость и стоимость запросов.
• Разрабатывать и поддерживать RAG-системы, поиск по корпоративным знаниям, embeddings и reranking.
• Разрабатывать API и фоновые сервисы на Python, обеспечивать надёжность интеграций, писать автоматические тесты, проводить отладку и разбор инцидентов.

Требования

• От 3 до 6 лет опыта разработки.
• Уверенное знание Python: типизация, ООП, асинхронное программирование и обработка ошибок.
• Опыт разработки API на FastAPI или аналогичном фреймворке, а также практический опыт интеграции внешних и внутренних REST API.
• Хорошее знание SQL и PostgreSQL.
• Опыт работы с Git, Linux, Docker, CI/CD и автоматическими тестами.
• Понимание архитектуры LLM-приложений: tool calling, structured output, управление контекстом и prompt engineering.
• Опыт работы с LLM API и агентными фреймворками.
• Понимание RAG: embeddings, retrieval, reranking и оценка качества.
• Умение диагностировать проблемы распределённых интеграций, доводить изменения до промышленной эксплуатации и находить баланс между качеством, быстродействием и стоимостью.

Хорошо, если есть

• Опыт разработки на базе открытых агентных платформ.
• Знание MCP, LangGraph и LangChain.
• Опыт работы хотя бы с одной из систем Qdrant, Chroma, FAISS, Milvus, Elasticsearch или OpenSearch.
• Опыт работы с Neo4j, GraphRAG или другими графовыми базами знаний.
• Умение настраивать Guardrails и оценивать метрики качества LLM/RAG.
• Знание Kubernetes, observability и эксплуатации GPU-инфраструктуры.
• Знание особенностей работы с VLM, OCR, STT/TTS и голосовыми омни-моделями.
• Опыт интеграции с корпоративными системами и разработки решений с ролевой моделью доступа.

Культура и преимущества

• Работа в команде с разработчиками, дата-сайентистами и аналитиками.
• Возможность удалённого, гибридного или офисного формата работы.
• Офис в пяти минутах от метро «Фрунзенская».
• Возможность карьерного роста до технического лидера.
• Развитие в направлениях AI Engineering, архитектуры агентных систем и MLOps.