Python-разработчик LLM-сервисов и ИИ-агентов (Junior)
Контакты
Формат работы
hybrid/onsite
Тип работы
fulltime
Грейд
junior
Страна
Russia
aipythonsqlgitfastapidockerllmrag
Вакансия из Telegram канала - Название доступно после авторизации
Пожаловаться
Зарплата и рынок
ЗП не указанаразвернуть
На похожих ролях по рынку
$890$1.2кмедиана$2.1к
15 в выборке
На международном рынке: $115к/год ($63к - $143к)
87
Хорошая вакансия
развернуть
Чёткий практический фокус на продакшен-сервисах с LLM и RAG сочетается с обещанием обучения, хотя для уровня Junior круг задач довольно широкий.
?Широкая зона задач
Актуальный ИИ-стек
Фокус на продакшене
Обучение на практике
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
TL;DR
Python-разработчик LLM-сервисов и ИИ-агентов (Junior) (Python/LLM/FastAPI): Разработка LLM-сервисов, ИИ-агентов и RAG-контура с подключением к 1С, базам данных и внутренним инструментам с акцентом на корректность ответов по источникам, безопасность и готовность к продакшену. Focus on построение агентных пайплайнов, наблюдаемость, обработку ошибок и поддержку сервисов при изменении моделей и промптов.
#junior #гибрид #офис
Метран, Промышленная группа Python-разработчик LLM-сервисов и ИИ-агентов (Junior)
Опыт работы: 1–3 года
Полная занятость
График: 5/2
Формат работы: гибрид или офис (Челябинск)
☑️ Чем предстоит заниматься
-Разрабатывать LLM-сервисы и ИИ-агентов на Python (FastAPI)
-Строить RAG-контур — база знаний (регламенты, учётная политика), векторный поиск, ответы строго по источникам
-Подключать LLM к внутренним сервисам — 1С (выгрузки, HTTP-сервисы), базы данных, n8n, AnythingLLM
-Доводить сервисы до продакшена — API, обработка ошибок, безопасность, наблюдаемость (видим, сколько тратим и что отвечаем)
-Поддерживать и развивать агентов — обновлять после смены модели или промпта, чинить инциденты, откатывать версии
-Следить за трендами LLM/агентов и предлагать, что применимо у нас
☑️ Наши пожелания к кандидатам
-Python — уверенное владение, типизация, async/await, ООП, unit-тесты, Git
-Коммерческий опыт от 1 года или сильные пет-проекты — оцениваем по коду, а не по строчке в резюме
-Опыт вызова LLM через API (OpenAI-совместимые) — промптинг, structured output, tool calling. Пет-проекты считаются
-Понимание ограничений LLM — галлюцинации, недетерминизм, стоимость, латентность. Честное «не знаю» лучше выдумки, это у нас принцип
-Понимание агентного цикла «модель → вызов инструмента → результат» — и когда агент не нужен, а хватит простого пайплайна
-Базовые FastAPI (или аналогичный фреймворк) и SQL
Будет плюсом:
-RAG-тонкости — embeddings, векторные хранилища (pgvector/Qdrant/FAISS), chunking, faithfulness (ответ не выдумывает сверх найденного)
-Наблюдаемость — трассировка запросов (сколько шагов делает модель, какие инструменты вызывает, сколько стоит). Langfuse/Phoenix/OpenTelemetry — плюс
-Evals — набор проверочных кейсов и прогон регресса при смене промпта или модели
-MCP (Model Context Protocol) — у нас подключение агентов к 1С идёт через MCP, покажем и научим
-Безопасность финансовых данных — prompt injection, read-only по умолчанию, секреты в env, лимиты и журналирование. Покажем, как устроено у нас
-Docker, CI/CD, Linux на рабочем уровне
-Локальные/self-hosted модели (Ollama, vLLM) — у нас основная платформа
-n8n, AnythingLLM
-Знание 1С, финансов/бухгалтерии — плюс
Контакты: Показать контакты
Python Job | |
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 →
Пожаловаться
Текст вакансии взят без изменений
Источник - Telegram канал. Название доступно после авторизации