AI / LLM Engineer

Ищем AI/LLM Engineer, который будет проектировать и развивать production-системы на базе LLM. Нам нужен не классический Data Scientist и не специалист, который занимается только промптами. Ищем инженера, который умеет собрать LLM-систему целиком: от prompt/context logic и агентных сценариев до backend-сервисов, интеграций, тестирования и запуска в production. ОСНОВНОЙ СТЕК — Go + Python. Go — используем для production-backend, сервисов и высоконагруженной бизнес-логики. Python — для LLM-инфраструктуры, AI-компонентов, прототипирования и экспериментов. Задачи: – Проектировать и развивать LLM/AI-системы и AI-агентов; – Строить многошаговые agentic workflows: routing, tool calling, state management; – Работать с Prompt Engineering и Context Engineering; – Управлять контекстом, памятью и состоянием диалога; – Реализовывать structured output и function/tool calling; – Строить RAG-пайплайны: chunking, embeddings, retrieval, reranking; – Интегрировать LLM с API, базами данных и внутренними сервисами; – Разрабатывать backend-сервисы на Go и AI-компоненты на Python; – Исследовать новые модели и подходы, быстро проверять гипотезы; – Выбирать модели с учетом качества, latency и стоимости; – Строить систему оценки качества: evals, regression tests, golden datasets, LLM-as-a-judge; – Анализировать логи и traces, улучшать качество и стабильность агентов; – Реализовывать retries, fallbacks, timeouts и обработку ошибок; – Доводить решения от прототипа до стабильного production. Требования: Go: – production-сервисы; – REST/gRPC API; – concurrency; – работа с БД; – микросервисная архитектура. Python: – AI-сервисы и backend; – async; – API; – обработка данных; – быстрое прототипирование. Также важно: – Практический опыт разработки production-приложений с LLM; – Понимание архитектуры современных AI-систем: prompt → context → tools → agent → state → evaluation; – Опыт Prompt Engineering: system prompts, few-shot, prompt chaining, structured output; – Опыт Context Engineering: memory, summarization, динамическая сборка контекста; – Опыт создания AI-агентов и agentic workflows; – Работа с LLM API и понимание особенностей разных моделей; – Понимание RAG: embeddings, vector search, retrieval, reranking, hybrid search; – Понимание evals, regression testing и анализа production-логов; – Опыт с PostgreSQL, MongoDB, Redis, Docker, Git, CI/CD; – Понимание production-подходов: observability, scalability, latency, retries, fallbacks и контроль стоимости. Будет плюсом: – Multi-agent системы; – LangGraph; – MCP; – Langfuse / LangSmith; – Elasticsearch / OpenSearch; – Open-source LLM: Qwen, Llama, DeepSeek и др.; – vLLM / Ollama; – Kafka / RabbitMQ; – Kubernetes; – Оптимизация token usage, latency и стоимости LLM; – Guardrails и защита от prompt injection; – Highload-системы. ВАЖНО: Ищем инженера, который воспринимает LLM не как простой API, а как компонент большой production-системы. Важно уметь проектировать всю логику вокруг модели: какие данные передать в контекст, какого агента или инструмент вызвать, как проверить результат, обработать ошибку и определить следующий шаг. Ищем software engineer с сильной AI/LLM-экспертизой, который умеет не только написать хороший промпт, но и довести всю систему до стабильного production-решения.