обновлено 7 дней назад
Technical Lead LLM
Вакансия из Telegram канала - Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Описание вакансии
ВАКАНСИЯ: Tech Lead / CTO (AI Engineering)
📍 Москва | Крупная российская компания (IT, телеком)
Компания строит новое направление в области AI-агентов и ищет технического лидера, который сможет проектировать архитектуру, вести hands-on разработку, собирать команду и выводить сложные agentic-системы в прод.
⚙️ ЗАДАЧИ:
Проектирование и разработка multi-agent систем с orchestration, tool calling и автономным принятием решений.
Создание AI Copilots с контекстной памятью, персонализацией и адаптивным поведением.
Построение production-grade RAG-пайплайнов: гибридный поиск, semantic chunking, reranking, query rewriting.
Развитие архитектуры agentic workflows: planning, reasoning, reflection, self-correction.
Внедрение observability для агентов: трейсинг цепочек вызовов, мониторинг решений, cost tracking, quality gates.
Управление версионированием промптов, эмбеддингов, инструкций агентов, датасетов — безопасный rollback.
Лидерство команды из 5 специалистов (ML, backend, DevOps): код-ревью, архитектура, рост и развитие.
Интеграция AI-компонентов в корпоративные продукты с повышенными требованиями к надежности и безопасности.
🧠 ТРЕБОВАНИЯ:
5+ лет в applied ML / NLP, минимум 1 год — tech lead с hands-on разработкой.
Production-grade Python: архитектура, типизация, async/await, профилирование, тестирование.
Реальный опыт разработки AI Agents: LangGraph, LlamaIndex, AutoGPT или кастомные multi-step decision-making решения.
Глубокая экспертиза в RAG: Pinecone / Qdrant / Weaviate, embedding models, chunking, hybrid search, rerankers.
Понимание LLM orchestration patterns: ReAct, Plan-and-Execute, Reflection, Tree of Thoughts.
Опыт работы со стеком observability для LLM: LangSmith / W&B / Phoenix.
Навыки prompt engineering и fine-tuning.
🌟 БУДЕТ ПЛЮСОМ:
Опыт с voice AI, STT/TTS, speech analytics.
Практики MLOps: модельные реестры, A/B тестирование промптов, continuous evaluation.
Опыт работы с foundation models API: OpenAI, Anthropic, Google, локальные LLM.
Безопасность LLM-систем: защита от prompt injection, PII filtering, moderation.
Участие в open-source проектах, публикации по теме AI Agents.
📩 Контакт:
📍 Москва | Крупная российская компания (IT, телеком)
Компания строит новое направление в области AI-агентов и ищет технического лидера, который сможет проектировать архитектуру, вести hands-on разработку, собирать команду и выводить сложные agentic-системы в прод.
⚙️ ЗАДАЧИ:
Проектирование и разработка multi-agent систем с orchestration, tool calling и автономным принятием решений.
Создание AI Copilots с контекстной памятью, персонализацией и адаптивным поведением.
Построение production-grade RAG-пайплайнов: гибридный поиск, semantic chunking, reranking, query rewriting.
Развитие архитектуры agentic workflows: planning, reasoning, reflection, self-correction.
Внедрение observability для агентов: трейсинг цепочек вызовов, мониторинг решений, cost tracking, quality gates.
Управление версионированием промптов, эмбеддингов, инструкций агентов, датасетов — безопасный rollback.
Лидерство команды из 5 специалистов (ML, backend, DevOps): код-ревью, архитектура, рост и развитие.
Интеграция AI-компонентов в корпоративные продукты с повышенными требованиями к надежности и безопасности.
🧠 ТРЕБОВАНИЯ:
5+ лет в applied ML / NLP, минимум 1 год — tech lead с hands-on разработкой.
Production-grade Python: архитектура, типизация, async/await, профилирование, тестирование.
Реальный опыт разработки AI Agents: LangGraph, LlamaIndex, AutoGPT или кастомные multi-step decision-making решения.
Глубокая экспертиза в RAG: Pinecone / Qdrant / Weaviate, embedding models, chunking, hybrid search, rerankers.
Понимание LLM orchestration patterns: ReAct, Plan-and-Execute, Reflection, Tree of Thoughts.
Опыт работы со стеком observability для LLM: LangSmith / W&B / Phoenix.
Навыки prompt engineering и fine-tuning.
🌟 БУДЕТ ПЛЮСОМ:
Опыт с voice AI, STT/TTS, speech analytics.
Практики MLOps: модельные реестры, A/B тестирование промптов, continuous evaluation.
Опыт работы с foundation models API: OpenAI, Anthropic, Google, локальные LLM.
Безопасность LLM-систем: защита от prompt injection, PII filtering, moderation.
Участие в open-source проектах, публикации по теме AI Agents.
📩 Контакт:
Будьте осторожны: если вас просят войти в iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →
Текст вакансии взят без изменений
Источник -