Backend Developer (AI Agents, Python, Kafka)

TL;DR

Backend Developer (AI Agents, Python, Kafka): Разработка высоконагруженных бэкендов критичной бизнес-логики и сервисов платформы для агентных систем с акцентом на оркестрацию диалога, многошаговые задачи и надежный serving. Фокус на async-архитектуре, отказоустойчивости, интеграции с Kafka/PostgreSQL и построении качественных пайплайнов для памяти, поиска и eval агентов.

Локация: возможен полностью удаленный формат по РФ

Компания

HeadHunter — платформа для подбора персонала и размещения вакансий.

Что делать

• Реализовывать оркестратор диалога на LangGraph: граф сценариев, чекпоинтинг состояния, tool-calling и интеграция с LLM.
• Проектировать планирование и выполнение многошаговых задач, включая субагенты и мульти-агентную оркестрацию.
• Развивать долговременную память агентов, изолированные сэндбоксы для исполнения кода и инструментов, guardrails и контроль действий.
• Строить пайплайны обработки документов: парсинг/чанкинг, индексация и гибридный/семантический поиск в Milvus.
• Разрабатывать рантайм диалога на Kafka: обработка входящих сообщений, маршрутизация ответов и поток событий в аналитику.
• Участвовать в оценке качества агентов и обеспечивать наблюдаемость сервисов.

Требования

• Опыт backend-разработки от 5 лет, Python как основной язык на экспертном уровне (указан Python 3.12).
• Глубокое понимание async-модели: где asyncio дает выигрыш, как избегать блокировок event loop и как дебажить асинхронный код под нагрузкой; опыт с FastAPI.
• Проектирование и эксплуатация высоконагруженных отказоустойчивых сервисов: конкурентность, backpressure, деградация, идемпотентность.
• Опыт микросервисов и брокеров сообщений (Kafka), а также реляционных БД (PostgreSQL).
• Алгоритмы и структуры данных, ООП, SOLID, чистый читаемый код, code review и юнит-тесты.
• DevOps-культура: CI/CD, GitLab, Docker, Kubernetes, консоль.
• Английский для чтения и написания техдокументации: B1+.

Хорошо, если есть

• Практический опыт с LangGraph/LangChain и агентными фреймворками.
• Опыт RAG-систем и векторных БД (Milvus, Qdrant, pgvector и т. п.).
• Опыт serving ML-моделей (Triton Inference Server, KServe, vLLM) и работа с CUDA/GPU.
• Понимание ML/NLP пайплайнов и проблем NLP.
• Опыт с ClickHouse, Redis, S3/MinIO, gRPC.
• Опыт удаленной работы в распределенной команде.

Культура и преимущества

• Гибкий график: нет обязательных дней в офисе и фиксированного времени начала; встречи в офисе — по договоренности.
• Возможен полностью удаленный формат по РФ.
• ДМС с первого дня работы (включая стоматологию и телемедицину), страхование жизни и полис для выезжающих за рубеж.
• Обучение и участие в конференциях/митапах за счет компании.
• Современный офис на метро Курская (если требуется очное взаимодействие).

Процесс найма

• Обсуждение опыта и технического бэкграунда по backend/async и эксплуатации высоконагруженных сервисов.
• Техническая оценка по релевантным задачам (архитектура, надежность, качество кода и тестирование).
• Финальное согласование и обсуждение формата работы.