ML/AI Developer (RAG)

Локация: Москва, МИК «Ломоносов», Раменский бульвар, 1. Формат работы: гибридный — удалённо и из офиса; также указана возможность работы на месте работодателя.

Зарплата: 300 000–400 000 ₽ в месяц до вычета налогов. В описании также указано вознаграждение 200 000–350 000 ₽ в месяц в зависимости от уровня компетенций и продуктивности, а также опционная программа.

Компания

LawCopilot.ai создаёт юридических AI-агентов для среднего и крупного бизнеса в России и Таиланде, используя большие массивы нормативных документов и судебных актов.

Что делать

• Создавать repeatable evaluation pipeline для измерения качества retrieval на golden dataset из 200+ аннотированных юридических запросов.
• Интегрировать eval-проверки в CI/CD и контролировать деградацию качества на уровне менее 5%.
• Развивать hybrid search на базе Dense, BM25 и Cross-Encoder Reranker, проводить A/B-тестирование и калибровать RRF-веса.
• Повышать полноту извлечения документов из базы объёмом 23M+ документов через query expansion, multi-hop retrieval и настройку HNSW.
• Оптимизировать semantic и agentic chunking, а также переиндексацию документов с параллелизацией, batching и checkpoint-механизмами.
• Уменьшать потребление памяти векторным хранилищем через INT8 scalar quantization, binary quantization, HNSW tuning и ON_DISK payload.

Требования

• От 3 лет production-разработки на Python с FastAPI, async/await и Pydantic.
• Практический опыт работы с векторными базами данных: Qdrant, Pinecone, Weaviate или Milvus.
• Глубокое понимание RAG-пайплайнов: chunking, embedding, retrieval, reranking и generation.
• Опыт с embedding-моделями, hybrid search, Dense/BM25/Sparse-поиском и fusion-стратегиями.
• Практический опыт применения IR-метрик MRR, NDCG, Recall@K и Precision@K, а также уверенная работа с Docker и docker-compose.
• Английский для чтения документации и написания коммитов.

Хорошо, если есть

• Опыт с Qdrant, named vectors, payload indexes, quantization и hybrid search.
• Знание cross-encoder reranking, bge-reranker или ColBERT.
• Опыт NLP для русского языка, LegalTech или работы с нормативными документами.
• Опыт с Anthropic Claude, MCP, PostgreSQL, Redis и gRPC.

Культура и преимущества

• Асинхронный формат работы с минимальным микроменеджментом.
• Метрический подход: каждое изменение оценивается через before/after eval.
• Документирование решений в README и inline-комментариях.
• Опционная программа и возможность роста до CTO.