Обязанности:

  • Разрабатывать агентов на LangGraph: tool calling, многошаговые сценарии, human-in-the-loop и обработку ошибок.
  • Строить RAG по внутренним документам: разбирать PDF, DOCX, сканы и таблицы, выполнять индексацию, гибридный поиск (BM25 и dense) и реранкинг.
  • Развивать агентов для корпоративных систем Bitrix, Jira, Alfresco, Exchange и 1С: реализовывать text-to-SQL для MS SQL и PostgreSQL, интеграции через REST API.
  • Анализировать ошибки агентов по трейсам, вести регрессионные наборы и метрики качества.
  • Вместе с заказчиками вести решения от прототипа до передачи в эксплуатацию и документировать их.

Требования:

  • От 2 лет разработки на Python, из них от 1 года — LLM-проекты (агенты, ассистенты, RAG); asyncio, FastAPI, Pydantic и тесты.
  • Опыт с LangGraph, LangChain или аналогами, function calling, structured output и паттернами агентов (ReAct, plan-and-execute, роутинг).
  • Практический опыт с RAG: chunking, эмбеддинги, векторный и гибридный поиск (Qdrant, pgvector или аналоги).
  • Понимание ограничений LLM и способов их обходить; умение выбирать между LLM, детерминированными решениями и классическим ML с учётом качества, стоимости и надёжности.
  • Навыки оценки качества: подготовка тестовых наборов, выбор метрик (recall@k, faithfulness, RAGAS или аналоги), офлайн-оценка и сравнение версий промптов или пайплайнов.
  • Уверенный SQL, Docker или Docker Swarm, GitLab CI.
  • Умение общаться с бизнес-заказчиками, переводить задачи в технические постановки и писать документацию.

Будет плюсом: работа с open-weight моделями Qwen и DeepSeek, деплой на vLLM, квантование FP8/AWQ и guided decoding; опыт с GigaChat и YandexGPT через API; LiteLLM, OpenWebUI, Langfuse или LangSmith, LLM-as-a-judge, MCP; защита LLM-систем от prompt injection и маскирование конфиденциальных данных; классический ML для текстов и sklearn.

Условия: полная занятость, график 5/2, гибридный формат или офис в Москве. Зарплата — от 235 000 ₽ в месяц на руки.