Agent Knowledge Engineer (AI)

Локация: удалённая работа; город/регион — Ташкент. Синхронное окно команды: с 10:00–11:00 до 20:00–21:00 по московскому времени.

Зарплата: от 100 000 RUR в месяц до вычета налогов.

Компания

HeadHunter создаёт B2B-платформу автономных ИИ-агентов для рынка США.

Что делать

• Формализовывать профессиональные роли вместе с предметными экспертами: задачи, критерии решений, исключения, полномочия и условия эскалации.
• Настраивать агентов в готовой архитектуре: структуру знаний, навыки, инструкции, примеры и правила использования инструментов.
• Формировать обучающие и оценочные наборы из реальных кейсов, экспертных исправлений и граничных сценариев.
• Анализировать трассы выполнения, классифицировать причины ошибок и корректировать материалы или конфигурацию агентов.
• Определять критерии готовности ролей, проводить evals и регрессионные проверки, версионировать изменения.
• Документировать методику обучения ролей как переиспользуемый стандарт для платформы.

Требования

• Python на уровне Middle/Senior: чтение и доработка существующего кода, работа с API и данными.
• Production-опыт с LLM-приложениями или агентами; понимание взаимодействия моделей, контекста, памяти, знаний и инструментов.
• Практический опыт улучшения поведения агентов на основе реальных задач, трасс выполнения и обратной связи экспертов.
• Умение отличать пробелы в обучении от проблем данных, инструментов, модели или архитектурных ограничений.
• Опыт проектирования evals на основе ground truth, работы с экспертной оценкой и регрессионным покрытием недетерминированного поведения.
• Английский B1 или выше; умение превращать неформализованный опыт экспертов в точные правила, примеры и критерии решений.

Хорошо, если есть

• Опыт с нестандартными агентными архитектурами.
• Подготовка синтетических данных, автоматических graders или обучающих сред для агентов.
• Опыт fine-tuning или post-training моделей.
• Обучение агентов для сложных предметных областей, long-horizon- или многоагентных систем.

Культура и преимущества

• Полная занятость и удалённый формат работы.
• Возможность определять подходы к обучению и развитию поведения агентов на уровне всей платформы.
• Прямая связь между экспериментами и качеством продукта; оценка по результату.
• Роль не включает обучение весов моделей; fine-tuning и post-training не являются основным направлением.
• Инфраструктура оценочного harness, evals-платформа и release gates находятся в зоне Reliability / Harness Engineer.

Процесс найма

• Вместо стандартного сопроводительного письма требуется разобрать кейс обучения ИИ-агента и приложить проверяемые артефакты.
• Нужно показать превращение неформализованного экспертного правила в проверяемый критерий решения и eval-сценарий.
• Также необходимо описать неудачный результат проекта и причины; отклики без проверяемых артефактов не рассматриваются.