Вакансии для разработчиков ИИ-агентов с LangGraph
Вакансии для разработчиков ИИ-агентов с LangGraph: подборка ролей, где в задачах или стеке указан LangGraph. Можно найти работу в этом направлении и…
Фильтр вакансий
AI-инженер по MCP-серверам и LLM-интеграции
О компании Integrated Medical Systems, Inc. (IMS) — дистрибьютор на рынке альтернативной медицинской помощи, основан в 1994 году. Компания предлагает гибкие условия аренды и покупки одноразовых и арендных продуктов для инфузионной терапии, респираторной поддержки, энтерального питания, онкологии и чистых помещений. О роли IMS ищет AI-инженера для проектирования, создания и развертывания интеллектуальных агентных ИИ-приложений, которые подключаются к корпоративным данным, бизнес-системам и внешним сервисам. Это роль инженера приложений ИИ, а не традиционного ML-инженера или специалиста по обучению моделей. Основной фокус — создание систем, позволяющих ИИ-моделям работать с реальными данными и бизнес-инструментами: безопасные, надежные и масштабируемые ИИ-агенты, которые понимают контекст, получают доступ к информации, используют инструменты и выполняют действия. В работе активно используются Model Context Protocol (MCP), оркестрация LLM, API, вызовы инструментов, корпоративные данные и асинхронные архитектуры приложений. Обязанности - Проектировать, разрабатывать и развертывать MCP-серверы, которые безопасно подключают ИИ-приложения к внутренним базам данных, векторным хранилищам, бизнес-приложениям и другим корпоративным ресурсам. - Создавать стандартизированные интерфейсы, позволяющие ИИ-агентам обнаруживать и взаимодействовать с доступными инструментами, ресурсами и рабочими процессами. - Разрабатывать MCP-инструменты, ресурсы и промпты для поддержки повторяемых бизнес-процессов. - Оценивать и выбирать подходящую LLM для конкретных сценариев на основе возможностей рассуждения, стоимости, размера контекстного окна, задержки и производительности. - Проектировать ИИ-процессы, которые маршрутизируют задачи между несколькими моделями и сервисами. - Реализовывать вызовы инструментов и функций, чтобы ИИ-агенты могли взаимодействовать с внешними системами. - Создавать надежные интеграции REST API и сторонних систем. - Настраивать схемы вызова функций и инструментов для вызова внешних сервисов ИИ-агентами. - Преобразовывать ответы внешних систем в структурированные форматы, которые могут эффективно интерпретировать и использовать LLM. Обязательные требования - Уверенное владение Python или TypeScript. - Понимание асинхронного программирования и паттернов async/await. - Опыт создания и использования RESTful API. - Понимание JSON-RPC 2.0 и обмена сообщениями. - Практический опыт создания MCP-серверов с использованием стандартных SDK или фреймворков, таких как FastMCP. - Опыт работы с MCP-инструментами, ресурсами и промптами. - Понимание LLM API и вызова инструментов/функций. - Опыт интеграции ведущих LLM-платформ: OpenAI, Anthropic Claude или аналогичных. - Опыт работы с векторными базами данных/векторными хранилищами и ИИ-поиском. - Умение создавать инструменты поиска и извлечения, предоставляющие релевантный структурированный контекст для LLM. - Понимание идентификаторов документов, метаданных и обработки цитирований/источников. - Понимание безопасной аутентификации и авторизации для подключения ИИ-приложений к проприетарным данным и корпоративным системам. - Умение проектировать правильно ограниченный доступ между ИИ-агентами, внутренними системами и внешними сервисами. Предпочтительные требования - Опыт разработки агентных ИИ-приложений или многошаговых ИИ-процессов. - Опыт работы с FastMCP или другими MCP-фреймворками. - Опыт с LangChain, LangGraph, Semantic Kernel или аналогичными фреймворками оркестрации ИИ. - Опыт с Docker, Git, CI/CD и облачными платформами. - Опыт интеграции ИИ с корпоративными базами данных, ERP-системами, CRM-платформами или другими бизнес-приложениями. - Опыт наблюдаемости, логирования, тестирования и мониторинга ИИ-приложений. - Знакомство с требованиями к медицинским данным, конфиденциальности, безопасности или компетентности. Критерии успеха В этой роли вы поможете IMS перевести ИИ из экспериментов в практические, безопасные и готовые к бизнесу приложения. Успех означает создание ИИ-систем, которые могут: - Понимать правильный контекст. - Находить и извлекать нужную информацию. - Использовать подходящие бизнес-инструменты. - Безопасно взаимодействовать с корпоративными системами. - Выбирать правильную модель для задачи. - Надежно выполнять рабочие процессы. - Предоставлять точные и отслеживаемые ответы. Вы будете помогать создавать инфраструктуру и прикладной уровень, которые делают ИИ полезным внутри бизнеса.
Staff AI-инженер, агентные ИИ-системы
О роли Acquia ищет Staff AI-инженера в команду AI Core Engineering. Это прежде всего практическая инженерная роль: большую часть времени вы будете проектировать, создавать и выпускать продакшн-агентные ИИ-процессы в Acquia DXP. Основные инструменты — LangGraph, Temporal, Pydantic и LangFuse. Также предусмотрена лёгкая, но значимая менторская роль: помощь в повышении ИИ-инженерных навыков коллег по мере роста команды. Обязанности - Ежедневно писать и выпускать продакшн-код для ИИ. - Проектировать агентные ИИ-процессы с использованием LangGraph, Temporal, Pydantic — многоагентные процессы с сохранением состояния, рассчитанные на корпоративный масштаб и надёжность. - Отвечать за наблюдаемость ИИ через LangFuse: трассировка, версионирование промптов, оценка и бенчмаркинг производительности всех взаимодействий с моделями. - Задавать стандарты ИИ-инженерии для паттернов агентов, RAG, управления промптами, оптимизации контекста и стратегий вызова инструментов. - Взаимодействовать с командами продукта и платформы для создания ИИ-архитектур, отвечающих корпоративным требованиям SLA, безопасности и соответствия. - Оценивать и внедрять новые инструменты: бенчмаркинг LLM-провайдеров, оркестрационных фреймворков и улучшений агентного стека. - Наставлять инженеров через код-ревью, парное программирование и дизайн-обсуждения. - Представлять ИИ-возможности Acquia в архитектурных обзорах клиентов, техническом исследовании и обсуждениях дорожной карты. Требования - 8+ лет в разработке ПО, из них 3+ года в продакшн-разработке ИИ-агентов. - Практический опыт с LangGraph, Temporal, Pydantic — процессы с сохранением состояния, циклические, многоагентные, в корпоративном масштабе. - Практический опыт с LangFuse — трассировка, оценка, управление промптами и тестирование на основе датасетов. - Владение фреймворками для агентов, такими как LangChain или аналоги (LlamaIndex, CrewAI) — компоновка цепочек, инструментов, памяти и пайплайнов поиска. - Глубокое знание Python и сильные инженерные основы (тестирование, CI/CD, архитектура). - Опыт облачного развёртывания ИИ (AWS, Azure или GCP), включая контейнеризацию и управление стоимостью инференса. - Знание архитектуры RAG — векторные базы данных, модели эмбеддингов и стратегии поиска. - Степень бакалавра в Computer Science или эквивалентный практический опыт. Желательные навыки - Опыт в корпоративном SaaS или CMS, включая знакомство с DXP Acquia на базе Drupal. - Свободное владение агентным процессом разработки — ИИ-ассистирующие инструменты (Copilot, Cursor, Claude) как повседневные ускорители. - Знакомство с персистентными рантаймами агентов — такими как OpenClaw и Hermes Agent, понимание кросс-сессионной памяти, автономного создания навыков и постоянно работающей инфраструктуры агентов. - Опыт тонкой настройки LLM или оценки моделей, понимание компромиссов фундаментальных моделей.
AI-разработчик, Enterprise Data и Intelligent Automation
Мы ищем AI-разработчика для создания интеллектуальных решений по управлению неструктурированными данными и интеллектуальной обработке документов (IDP). Вы будете участвовать во всем жизненном цикле разработки — от концепции до развертывания — облачных систем, которые безопасно управляют, обрабатывают и используют неструктурированные данные в масштабе предприятия. Это стратегическая техническая роль, сочетающая AI-инжиниринг, backend-разработку и архитектуру корпоративных данных. Вы будете работать с AWS (Bedrock, S3, compute), Snowflake, векторными базами данных, агентными AI-фреймворками (Agent Core, LangGraph, MCP), паттернами интеграции агент-к-агенту (A2A) и платформами оркестрации рабочих процессов. Ключевые обязанности: - Разработка AI-решений для IDP: создание пайплайнов интеллектуальной обработки документов, которые извлекают, классифицируют и обогащают неструктурированные данные с помощью современных подходов AI/ML. - Архитектура и внедрение в облаке: проектирование и реализация масштабируемых, безопасных решений на AWS (S3, compute, networking), платформах данных Snowflake и инфраструктуре векторных баз данных. - Агентный AI и автоматизация: разработка и интеграция автономных агентов с использованием фреймворков Agent Core, LangGraph и Model Context Protocol (MCP) для обработки и маршрутизации корпоративных данных с минимальным участием человека. - Интеграция агент-к-агенту (A2A): создание и внедрение паттернов A2A-коммуникации, позволяющих автономным системам координировать и передавать работу внутри предприятия. - Оркестрация рабочих процессов: проектирование, создание и эксплуатация сложных production-grade процессов с использованием фреймворков оркестрации (например, Step Functions, Airflow, Temporal); обеспечение надежности, аудируемости и соответствия требованиям. - Реализация векторных баз данных: архитектура и внедрение решений на векторных базах данных для поддержки семантического поиска, RAG-пайплайнов и retrieval на основе эмбеддингов в масштабе. - Backend и разработка сервисов: создание синхронных и асинхронных сервисов, API и микросервисов для приема, обработки и дальнейшего потребления документов. - Управление данными и безопасность: применение принципов управления данными — каталогизация, происхождение, хранение, защита данных — с учетом требований здравоохранения (HIPAA) и безопасности как основы. - Наставничество и взаимодействие: работа с дата-инженерами, платформенными командами и бизнес-заинтересованными сторонами для преобразования требований в технические решения; наставничество младших инженеров. Требования: - 5 лет профессионального опыта разработки ПО, из них минимум 2 года — в AI/ML-разработке или дата-инжиниринге в production-среде. - Практический опыт работы с векторными базами данных (например, Pinecone, Weaviate, OpenSearch, pgvector или аналогичными) для поддержки RAG или семантического поиска. - Непосредственный production-опыт с A2A (agent-to-agent) фреймворками и паттернами. - Подтвержденный опыт работы с инструментами оркестрации рабочих процессов (AWS Step Functions, Apache Airflow, Temporal или эквивалент) в production. - Опыт работы с MCP (Model Context Protocol) для подключения агентов и инструментов к данным и сервисам. - Практический опыт работы с Agent Core или эквивалентным агентным AI-фреймворком. - Непосредственный опыт работы с AWS Bedrock для развертывания и интеграции фундаментальных моделей. - Практический опыт работы с AWS S3 и основными AWS compute-сервисами. - Общее владение платформой AWS (EC2, networking, основы безопасности). - Production-опыт работы со Snowflake или эквивалентным современным облачным хранилищем данных. - Владение backend-разработкой: создание масштабируемых API, микросервисов или событийно-ориентированных систем. - Опыт AI/ML-разработки: создание, обучение, развертывание и эксплуатация AI-моделей; рабочие знания LLM, фундаментальных моделей, промпт-инжиниринга и RAG-архитектур. - Практики корпоративной разработки ПО: CI/CD, тестирование, код-ревью, лучшие практики безопасности и соответствие регуляторным требованиям (опыт в здравоохранении — весомое преимущество). Предпочтительные требования: - Непосредственный опыт в интеллектуальной обработке документов (IDP), OCR, ICR, NLP или извлечении информации. - Опыт работы с LangGraph или аналогичными фреймворками оркестрации агентов. - Промпт-инжиниринг и RAG для доменно-специфичных приложений. - Опыт работы в сфере здравоохранения. - Вклад в проекты по неструктурированным данным и AI. - Продвинутая степень (BS/MS) в Computer Science, Data Science или смежной области. - Опыт работы в нескольких доменах (здравоохранение, финансовые услуги и т.д.). - Опыт работы с методологиями Agile, Waterfall или гибридной доставки. Требуемый опыт работы: 5 лет соответствующего опыта; профессиональный опыт технического проектирования и написания кода в IT-индустрии. Требуемое образование: профильный бакалаврский диплом или эквивалентный соответствующий опыт работы.
Senior AI-разработчик, IDP и агентные системы
Местоположение: удалённо. Оплата: 58–63 $/час, контракт W2. Мы ищем Senior AI-разработчика для создания следующего поколения решений для интеллектуального управления неструктурированными данными и интеллектуальной обработки документов (IDP) для предприятий. Вы будете участвовать в полном жизненном цикле разработки — от концепции до развертывания — облачных систем, которые безопасно управляют, обрабатывают и используют неструктурированные данные в масштабе предприятия. Это стратегическая техническая роль, сочетающая AI-инженерию, бэкенд-разработку и корпоративную архитектуру данных. Вы будете работать с AWS (Bedrock, S3, compute), Snowflake, агентными AI-фреймворками (AgentCore, LangGraph и др.), решениями автоматизация-к-автоматизации (A2A) и платформами оркестрации рабочих процессов. Основные обязанности - Разработка AI-решений для IDP: создание конвейеров интеллектуальной обработки документов, которые извлекают, классифицируют и обогащают неструктурированные данные с использованием современных подходов AI/ML. - Облачная архитектура и реализация: проектирование и внедрение масштабируемых, безопасных решений с использованием AWS (S3, compute, networking), платформ данных Snowflake и связанных управляемых сервисов. - Агентный AI и автоматизация: разработка и интеграция автономных агентов с использованием фреймворков AgentCore и LangGraph для обработки и маршрутизации корпоративных данных с минимальным участием человека. - Оркестрация рабочих процессов: проектирование и реализация сложных production-grade рабочих процессов с использованием оркестрационных фреймворков; обеспечение надежности, аудируемости и соответствия требованиям. - Бэкенд-разработка и сервисы: создание синхронных и асинхронных сервисов, API и микросервисов для поддержки приема, обработки и последующего использования документов. - Управление данными и безопасность: применение принципов управления данными, таких как каталогизация, происхождение, хранение, защита данных, с соблюдением требований здравоохранения (HIPAA) и безопасности как основополагающего требования. - Наставничество и сотрудничество: взаимодействие с инженерами данных, платформенными командами и бизнес-заинтересованными сторонами для преобразования требований в технические решения; наставничество младших инженеров. Требования - Опыт работы: от 5 лет в профессиональной разработке ПО, из них не менее 2 лет в разработке AI/ML или инженерии данных в производственных средах. - Навыки бэкенд-разработки: подтвержденный опыт создания масштабируемых API, микросервисов или событийно-ориентированных систем. - Облачные платформы: практический опыт работы с AWS (S3, EC2 или аналоги) и современными хранилищами данных (Snowflake или аналоги). - AI/ML разработка: опыт создания, обучения, развертывания и эксплуатации AI-моделей; знание LLM, фундаментальных моделей, промпт-инжиниринга, RAG-архитектур и агентных фреймворков. - Оркестрация рабочих процессов: подтвержденный опыт работы с AWS Step Functions, Apache Airflow, Temporal или аналогичными инструментами в производстве. - Основы управления данными: уверенное понимание моделирования данных, архитектуры конвейеров, обеспечения качества и принципов управления. - Корпоративные практики разработки: уверенная работа с CI/CD, тестированием, код-ревью, лучшими практиками безопасности и регуляторными требованиями (опыт в здравоохранении — весомое преимущество). Обязательные технологии: Vector DB, A2A Framework, Workflow Orchestration/Development, MCP, Agent Core, Bedrock, S3, AWS, Snowflake. Образование: профильный бакалавр или соответствующий опыт работы. Предпочтительные квалификации - Опыт в интеллектуальной обработке документов (IDP), OCR, ICR, NLP или извлечении информации. - Практический опыт с агентными AI-фреймворками (AgentCore, LangGraph или аналоги). - Опыт с паттернами интеграции A2A (automation-to-automation). Льготы - Медицинская, стоматологическая и офтальмологическая страховка. - Гибкий счет на расходы на иждивенцев. - План 401(k). - Добровольное страхование жизни, краткосрочной нетрудоспособности, целой жизни, срочной жизни, от несчастных случаев и критических заболеваний. - Программа помощи сотрудникам. - Больничный в соответствии с нормативными требованиями.
Инженер 1 по разработке агентных ИИ-решений
О команде и роли Nordstrom инвестирует в ИИ как ключевой драйвер розничных инноваций. Команда AI Agentic Solutions отвечает за превращение этих инвестиций в результаты. Мы определяем «искусство возможного» с агентами — сотрудничаем с бизнес- и технологическими командами, чтобы определить, где агентный ИИ может изменить работу Nordstrom, и проектируем и создаём такие решения от начала до конца в областях коммерции, персонализации, управления запасами и обслуживания клиентов. Команда находится на пересечении четырёх дисциплин: инженерия агентов, контекстная инженерия, оценки и защитные механизмы, а также управление памятью и состоянием для агентных решений. В роли Engineer 1 вы начинаете карьеру и строите фундамент в инженерии агентного ИИ. Вы работаете под руководством старших инженеров над чётко очерченными задачами — реализуете компоненты агентов, пишете тесты и учитесь тому, как создаются, оцениваются и эксплуатируются продакшн-системы агентов. Эта роль подходит тем, кто находится в начале карьеры, интересуется прикладным ИИ и хочет вырасти в полноценного инженера агентных решений. Чем предстоит заниматься - Реализовывать отдельные компоненты агентных решений — интеграции инструментов, шаблоны промптов, шаги поиска — под руководством старших инженеров, писать чистый, хорошо протестированный код и документировать работу. - Учиться применять контекстную инженерию — что видит агент, когда и почему — и активно получать знания о LLM, агентных фреймворках и промпт-инжиниринге для применения в работе. - Помогать создавать и запускать скрипты оценки и офлайн-бенчмарки для проверки безопасности, точности и надёжности поведения агентов. - Участвовать в дежурствах (on-call) и ревью дизайна, учиться отлаживать проблемы и выявлять компромиссы по своим компонентам. - Добавлять базовую инструментацию — логирование, метрики, алерты — в создаваемые системы и следовать инженерным стандартам и стандартам безопасности Nordstrom, включая безопасную обработку чувствительных данных. - Сотрудничать с коллегами из инженерии, продуктовых и бизнес-команд, чтобы понимать, как ваша работа вписывается в общее решение. Требования Обязательные: - 1+ год профессионального опыта в разработке ПО (стажировки учитываются) или профильный сертификат (например, буткемп). - Владение ИИ: практический опыт работы с LLM или API фундаментальных моделей (OpenAI, Anthropic, Google и т.п.) — через курсы, проекты, стажировки или профессиональный опыт. - Искренний интерес к агентному ИИ — как агенты используют инструменты, получают контекст и совершают действия — и желание развивать продакшн-навыки в этой области. - Твёрдые основы CS: структуры данных, алгоритмы, объектно-ориентированное проектирование, а также знакомство с RESTful API, JSON и взаимодействием сервисов. - Базовое понимание практик тестирования ПО и систем контроля версий (например, Git). - Готовность изучать современные агентные фреймворки: LangGraph, CrewAI, Semantic Kernel или Claude Agent SDK. - Развитые навыки устного и письменного общения, нацеленность на сотрудничество и обратную связь. Желательно: - Курсы, личные проекты или стажировки с промпт-инжинирингом, RAG или векторными базами данных. - Опыт работы с облачными платформами AWS или GCP. - Знакомство с контейнеризацией (Docker) и основами CI/CD. - Интерес или курсы в области розницы, электронной коммерции или цепочек поставок. - Вклад в open-source ИИ-проекты или личные эксперименты с LLM-приложениями. Условия - Гибридный формат, Сиэтл, Вашингтон. - Вилка зарплаты: $104,500–$162,500 в год (зависит от локации, знаний, навыков и опыта). - Медицинская страховка, стоматология, офтальмология, пенсионный план, оплачиваемый отпуск. - Страхование жизни и инвалидности. - Скидка на товары Nordstrom и ресурсы EAP. - Возможность получения бонусов по результатам работы. - Участие в программе 401k, медицинские/стоматологические/оптические/страхование жизни и инвалидности, начисление PTO, праздничные дни и другое. Условия зависят от локации, уровня должности, классификации и стажа.
AI-инженер, GenAI и мультиагентные системы
Местоположение: Дубай, работа на месте (onsite). Требования: - Опыт работы 6–9 лет. - Кандидаты должны находиться в Дубае и быть готовы к немедленному выходу. - Обязательные навыки: Python, GenAI/LLMs, мультиагентные ИИ-системы, RAG, мультимодальный ИИ, LangChain/LangGraph/CrewAI/AutoGen. - Требуется опыт в разработке ИИ-продуктов, Data Science и выводе ИИ-решений в продакшн.
Разработчик ИИ-агентов, агентные системы
О компании Aisle создает слой управления в реальном времени для физической розницы. Платформа связывает действия покупателей, стимулы и результаты в непрерывный цикл обратной связи, позволяя брендам запускать, измерять и оптимизировать розничные показатели в моменте. Это основа для автономного розничного исполнения. Сегодня 1600+ брендов и 5M+ потребителей используют Aisle. Под капотом — обработка событий с высокой нагрузкой, принятие решений в реальном времени и низколатентная инфраструктура. Небольшая быстрорастущая команда масштабирует систему. О роли Ищем Agent Builder для работы вместе с ведущим инженером по агентам над внутренним стеком агентов — сейчас это 8 агентов (Reggie и остальные) плюс экосистема плагинов. Стек построен на OpenClaw, но подойдет опыт с любым продакшн-харнессом (Hermes, кастомные решения). Работа делится на две части: - Операторский enablement: сидеть с операторами, изучать их рабочие процессы, проектировать и внедрять инструменты — tools, skills, плагины, интеграции. - Системы жизнеобеспечения агентов: память, системные промпты, управление контекстом, retrieval, эвалы, наблюдаемость, маршрутизация моделей. Обязанности - Тесно работать с доменными экспертами и операторами, превращать их неявные знания в возможности агентов. - Отвечать за системы жизнеобеспечения агентов: память, системные промпты, контекстные окна, retrieval, циклы эвалов, наблюдаемость. - Проектировать и создавать фоновые инструменты, плагины и скиллы. - Поддерживать систему в проде: диагностировать сбои агентов и исправлять первопричины, а не симптомы. - Проводить эксперименты, определять, где агенты полезны или вредны: задавать рубрики, читать трейсы, решать, что чинить дальше. - Разрабатывать и распространять паттерны: обобщать работающие решения в переиспользуемые паттерны для памяти, промптинга, контекста, инструментов и оркестрации. Приносить новые возможности моделей и дизайн-паттерны в команду. Требования Владение агентами: - Обязательно: практический продакшн-опыт с хотя бы одним агентным фреймворком (OpenAI Agents SDK, Claude Code, Codex, Cursor, OpenClaw, LangGraph, Hermes или собственный харнесс). Вы уже создавали и запускали агентов, которыми пользуются люди, и знаете их сбои наизусть. - Свободное владение сессиями, контекстными окнами, системами памяти, вызовом инструментов/функций и харнессами в стиле MCP/ACP. - Промпт и контекстный дизайн — ключевое ремесло, а не хобби; вы итеративно доводите поведение агента до надежного. - Мыслите в терминах результатов: можете сидеть с оператором, наблюдать за работой и декомпозировать его задачи на то, что агент реально может сделать. - У вас есть мнение о субстрате: дизайн памяти, архитектура системных промптов, управление контекстом, retrieval, эвалы — и вы внедряли это для агента, которым пользуются. Технический комфорт (минимум, не потолок): - Уверенно работаете в терминале: меняете конфиги, запускаете скрипты, перезапускаете сервисы, читаете логи — но не обязаны быть «фулстек-инженером». - Можете подключать инструменты и плагины по документации и примерам. - Можете работать вместе с инженерами, когда нужны реальные изменения кода, и понимаете, когда выходите за пределы своих знаний. Образ мышления (важнее резюме): - Чутье 80/20 в обе стороны: знаете, какие 20% фич дают 80% ценности, и какие 20% действий агенты делают плохо, проектируете компенсирующие паттерны на уровне харнесса. - Архитектурное мышление: видите агентные системы как системы, держите всю анатомию в голове, проектируете изменения с учетом побочных эффектов. - С одинаковым удовольствием отлаживаете странный трейс в OpenClaw TUI и обсуждаете с человеком, почему агент ощущается «не таким». - Ориентированы на результат: важно, что агент достигает, а не сколько строк вы написали. - Сильная декомпозиция задач и оркестрация: разбиваете сложные задачи на то, что агент реально может сделать.
Ведущий DevSecOps / MLOps-инженер
Позиция: Ведущий DevSecOps / MLOps Инженер Название компании: Агрохолдинг Формат: удалённая работа Занятость: полная, долгосрочный проект Оформление: аутстафф ИП, СЗ Ставка: от 270 000 до 280 000 RUB Гражданство — РФ/РБ, локация — РФ, РБ Ищем ведущего DevSecOps/MLOps-инженера для внедрения ИИ и цифровой трансформации. Роль сочетает техническую экспертизу, архитектуру и бизнес-анализ: будете проектировать инфраструктуру для AI/ML- и RAG-сервисов, выстраивать DevSecOps-практики и интегрировать ИИ-решения с корпоративными системами. Ключевые требования: - Опыт от 3 лет в DevSecOps с фокусом на ИТ- и AI-решениях, проекты в промышленной эксплуатации. - Проектирование AI/ML/RAG-инфраструктуры (LLM, векторные БД, GPU-инференс, оркестрация). - CI/CD (Jenkins, K8s, Helm), IaC (Terraform, Ansible), Linux, сетевые контуры (VLAN, DMZ). - Мониторинг и безопасность: Prometheus/Grafana, SAST/DAST, Trivy, Vault; знание 152-ФЗ, 187-ФЗ. - Инструменты и стек: Python 3.10+, SQL, JS/TS, vLLM, Qdrant/Weaviate, Airflow, MLflow, Keycloak, Dify/LangGraph. - Архитектурные навыки: C4, UML, BPMN; интеграция с 1С, CRM, DWH, BI. Будет плюсом: - Построение DevSecOps с нуля или развитие практик. - MLOps/LLMOps: версионирование, мониторинг качества моделей. - Облака (Yandex Cloud, AWS, GCP), сертификаты DevOps/Kubernetes/ИБ. Основные задачи: - Проектировать и сопровождать инфраструктуру (DataHub, AI/ML, RAG, чат-боты, базы знаний). - Развивать DevSecOps: CI/CD, IaC, управление секретами, контроль уязвимостей, аудит. - Настраивать пайплайны сборки, тестирования и доставки в dev/test/preprod/prod. - Обеспечивать надёжность, отказоустойчивость, масштабирование и оптимизацию затрат. - Собирать требования бизнеса, формировать ТЗ, совместно с DE/DS/ML определять архитектуру ИИ-решений. - Интегрировать ИИ-сервисы с корпоративными системами.
Агентный Gen AI-разработчик (Python, RAG)
Обязанности - Совместно с командой проектировать и разрабатывать высококачественные веб-приложения с использованием Python, Flask, Django и смежных технологий. - Писать чистый и эффективный код, обеспечивать его поддерживаемость и переиспользуемость. - Проектировать и внедрять RAG-пайплайны на Google Cloud / Vertex AI (chunking, эмбеддинги, индексация, поиск, реранкинг, grounding). - Строить агентные рабочие процессы (использование инструментов, планирование, рефлексия/guardrails, структурированные выходные данные) с использованием Python-first фреймворков. - Проводить ревью кода для обеспечения качества и согласованности. - Проводить тестирование для обеспечения качества и надежности приложений. - Создавать и поддерживать техническую документацию для веб-приложений. - Участвовать в планировании проекта, оценке и приоритизации задач. - Следить за новейшими технологиями в области разработки на Python. - Определять и запускать оценку (метрики поиска, качество ответов, проверки галлюцинаций/grounding) и итеративно улучшать качество системы. - Выпускать в продакшн: API, мониторинг/наблюдаемость, оптимизация стоимости и производительности, CI/CD и лучшие практики безопасности. Обязательные требования - Python, Flask/Django, RAG. - Опыт разработки программного обеспечения на Python 3. - Понимание жизненного цикла разработки и тестирования ПО. - Знание реляционных баз данных (например, MySQL, PostgreSQL и т.д.). - Опыт работы с системами контроля версий, такими как Git. - Опыт создания RAG-решений (гибридный поиск, реранкинг, стратегии chunking, эмбеддинги, дизайн промптов и схем). - Знакомство как минимум с одним агентным фреймворком (например, LangGraph/LangChain, LlamaIndex, Semantic Kernel, AutoGen) и паттернами вызова инструментов/функций. - Уверенные знания концепций векторного поиска и как минимум одной векторной БД в продакшене. - Сильные инженерные практики: ревью кода, тестирование, телеметрия, безопасность по дизайну, надежность. Желательно - LLM, LangChain, AWS, Kubernetes, Docker. - Степень магистра в области компьютерных наук, программной инженерии или смежной области. - Более 1 года профессионального опыта разработки веб-приложений на Python с использованием Flask или Django. - Опыт разработки RESTful API на Python. - Понимание фреймворков веб-приложений на Python, таких как Flask или Django. - Опыт работы с облачными сервисами, такими как AWS. - Опыт работы с Vertex AI и основами GCP (IAM, логирование/мониторинг, Cloud Run/GKE, хранилища). - Графы знаний для RAG (связывание сущностей, обход графа + гибридный поиск). - Стриминг/обмен сообщениями (Pub/Sub, Kafka), пайплайны документов (Document AI) и мультиязычный поиск. - Опыт работы с инструментами оценки (RAGAS, TruLens, пользовательские eval-харнессы), управление версиями промптов. - Интеграция с фронтендом (базовый React/Next.js) или развитие платформы (внутренние инструменты разработчика). Условия - Зарплата: $62,000 – $80,000. - Кандидаты должны быть готовы к переезду в пределах США (например, CA, TX, NY).
Python-разработчик Gen AI, RAG и агентные системы
BeaconFire Inc. ищет Python-разработчика для работы над веб-приложениями и системами генеративного ИИ. Задачи: - Проектирование и разработка веб-приложений на Python, Flask, Django. - Написание чистого и эффективного кода с поддержкой поддерживаемости и переиспользуемости. - Проектирование и внедрение RAG-пайплайнов на Google Cloud / Vertex AI (чанкинг, эмбеддинги, индексация, поиск, реранкинг, grounding). - Построение агентных рабочих процессов (использование инструментов, планирование, рефлексия/ограничения, структурированные выводы) с использованием Python-first фреймворков. - Проведение код-ревью для обеспечения качества и согласованности кода. - Тестирование для обеспечения качества и надежности приложений. - Создание и поддержка технической документации для веб-приложений. - Участие в планировании проекта, оценке и приоритизации задач. - Отслеживание новейших технологий для разработки на Python. - Определение и запуск оценки (метрики поиска, качество ответов, проверки галлюцинаций/grounding) и итеративное улучшение качества системы. - Вывод в продакшн: API, мониторинг/наблюдаемость, оптимизация стоимости и производительности, CI/CD, практики безопасности. Требования: - Опыт разработки программного обеспечения на Python 3. - Понимание жизненного цикла разработки и тестирования ПО. - Знание реляционных баз данных (например, MySQL, PostgreSQL). - Опыт работы с системами контроля версий, такими как Git. - Опыт создания RAG-решений (гибридный поиск, реранкинг, стратегии чанкинга, эмбеддинги, дизайн промптов и схем). - Знание как минимум одного агентного фреймворка (например, LangGraph/LangChain, LlamaIndex, Semantic Kernel, AutoGen) и паттернов вызова инструментов/функций. - Уверенное знание концепций векторного поиска и как минимум одной векторной БД в продакшне. - Сильные инженерные практики: код-ревью, тестирование, телеметрия, безопасность по дизайну, надежность. Предпочтительные квалификации: - Степень магистра в области компьютерных наук, программной инженерии или смежной области. - Более 1 года профессионального опыта разработки веб-приложений на Python с Flask или Django. - Опыт разработки RESTful API на Python. - Понимание веб-фреймворков Python, таких как Flask или Django. - Опыт работы с облачными сервисами, такими как AWS. - Опыт работы с Vertex AI и основами GCP (IAM, логирование/мониторинг, Cloud Run/GKE, хранилища). - Графы знаний для RAG (связывание сущностей, обход графа + объединение поиска). - Стриминг/обмен сообщениями (Pub/Sub, Kafka), пайплайны документов (Document AI) и мультиязычный поиск. - Опыт работы с инструментами оценки (RAGAS, TruLens, пользовательские eval-системы), управление версиями промптов. - Интеграция фронтенда (базовый React/Next.js) или платформенная поддержка (внутренние инструменты разработчика). Условия: - Зарплата: $62 000 – $80 000. - Кандидаты должны быть готовы к переезду в пределах США (например, Калифорния, Техас, Нью-Йорк).
AI Workflow Engineer
Ultimate Knowledge Institute ищет AI Workflow Engineer для проектирования агентного SDLC с нуля: формализованные пайплайны, где AI-агенты планируют, создают, тестируют, ревьюят и выпускают код вместе с командой старших инженеров, с управлением, обоснованием и метриками эффективности. Это не исследовательская роль и не работа с промптами — вы будете проектировать систему доставки: рабочие процессы, защитные механизмы и циклы обратной связи, позволяющие команде работать значительно быстрее без потери инженерного качества. Работа напрямую ускоряет миссию: обеспечение готовности кадров для кибервойск страны. О компании: с 1999 года Ultimate Knowledge Institute задает стандарты обучения кибербезопасности для Министерства обороны, федеральных агентств и компаний из списка Fortune 500. Платформа выявляет индивидуальные пробелы в экспертизе и строит адаптивные индивидуальные планы обучения для федеральных клиентов США, оборонного сектора, разведывательного сообщества, местных и коммерческих заказчиков. Вы присоединитесь к новой формирующейся AI-команде внутри зрелой продуктовой инженерной команды — реальные пользователи, реальные stakes и зеленое поле для трансформации процессов разработки. Задачи: - Построить агентный SDLC-пайплайн: проектировать, внедрять и эксплуатировать агентные рабочие процессы на всех этапах жизненного цикла разработки — планирование, генерация кода, ревью, тестирование, документация и релиз, интегрированные с GitOps и CI/CD-инфраструктурой. - Улучшить опыт разработчиков: внедрять современные AI-интеграции в ежедневный процесс команды — кодинг-агенты, автоматическое ревью, интеллектуальная генерация тестов и self-service инструменты. - Строить обоснованные и надежные системы: разрабатывать retrieval-grounded и контекстно-зависимые AI-системы с надежными и проверяемыми результатами, проектировать оценочные стенды для их подтверждения. - Установить управление и защитные механизмы: определять и внедрять политики, контрольные точки с участием человека, аудит-трейлы и меры безопасности для ответственного применения агентного AI в средах, где доверие критично. - Формализовать и масштабировать: превращать успешные практики в повторяемые фреймворки, плейбуки и внутренние платформы, расширяя агентное ускорение за пределы инженерии на всю организацию. - Продвигать практику: обучать и поддерживать внедрение AI в команде, выступая мультипликатором, а не изолированным специалистом. Требования: - 2-3+ года практического опыта создания систем на AI/LLM в продакшене. - 2+ года проектирования и эксплуатации агентных рабочих процессов и пайплайнов, включая многошаговую оркестрацию агентов, использование инструментов, оценку и управление. - Опыт работы в современных командах разработки с практиками GitOps и CI/CD. - Рабочее знание паттернов grounded AI: RAG, контекстная инженерия, структурированные выходы, оценка и наблюдаемость LLM-систем. - Солидные основы программной инженерии на JavaScript/TypeScript и/или Python; уверенная работа со стеком (Angular/React фронтенды на Express веб-приложениях). - Соответствие культуре continuous delivery — подход Аллспоу/Хаммонда, Phoenix Project (Ким): малые партии, быстрая обратная связь, обучение без обвинений, операционное совершенство. - Проактивность: видите возможность ускорить команду — строите, измеряете и делитесь результатом. - Сильные коммуникационные навыки: умение объяснить агентную архитектуру инженеру и ее ROI — руководителю. - Требуется разрешение на работу в США; роль — удаленная в США. Будет плюсом: - Опыт с агентными фреймворками и протоколами (LangGraph/LangMem, Claude Agent SDK, MCP, OpenAI Agents) и AI-инструментами для кодинга (Claude Code, Copilot, Cursor).
Senior Backend Engineer (Python), Flow Components
GitLab — платформа оркестрации для DevSecOps. Компания помогает организациям повышать продуктивность разработчиков, улучшать операционную эффективность, снижать риски безопасности и соответствия требованиям, ускорять цифровую трансформацию. Более 50 миллионов зарегистрированных пользователей и более 50% компаний из Fortune 100 используют GitLab. Роль: Senior Backend Engineer в команде Flow Components. Вы будете помогать создавать Flow Registry — набор переиспользуемых примитивов для агентных потоков на платформе GitLab Duo Agent Platform. Основной фокус — бэкенд-разработка на Python с использованием LangChain и LangGraph для создания безопасных, надежных и масштабируемых возможностей в Duo Workflow Service и монолите GitLab. Также потребуется работа по всему стеку, включая JavaScript и фронтенд, для поддержки официального клиента GitLab Duo Agent Platform, Duo CLI. Задачи: - Разработка, выпуск и поддержка безопасных, хорошо протестированных и производительных функций Flow Registry в Duo Workflow Service и бэкенде монолита GitLab. - Совместная работа с менеджментом продукта, UX, фронтенд-, бэкенд- и AI-специалистами для уточнения требований и итеративных улучшений продукта. - Проектирование, реализация и ревью GraphQL и REST API, связанной бэкенд-логики и контрактов с фронтенд-клиентами. - Улучшение автоматизированного тестирования с RSpec и другими фреймворками. - Обмен стандартами, паттернами и уроками с другими инженерами для поддержки ответственной интеграции ИИ. - Участие в on-call ротации Tier 2, диагностика проблем в продакшене, анализ первопричин, улучшение наблюдаемости и отказоустойчивости. - Мониторинг конкурентной среды и поддержание конкурентоспособности примитивов Flow Registry. Требования: - Опыт создания и поддержки продакшен-Python-приложений с LangChain и LangGraph, включая фоновые задачи, API и модели данных. - Опыт проектирования и выпуска AI-функций и интеграций на бэкенде, понимание ограничений больших языковых моделей и ответственного использования в продакшене. - Владение проектированием и расширением REST и GraphQL API с вниманием к масштабируемости, поддерживаемости и обратной совместимости. - Сильные навыки SQL и знание реляционных баз данных, таких как PostgreSQL, включая эффективные запросы и моделирование данных. - Уверенная работа по всему стеку в зрелой кодовой базе, устранение узких мест производительности на уровне приложения и инфраструктуры. - Знакомство с JavaScript и Vue для фронтенд-разработки, понимание принципов UX. - Четкие письменные и устные коммуникационные навыки, включая написание технических предложений и документации, опыт работы в удаленной асинхронной кросс-функциональной среде. - Готовность изучать и применять переносимые навыки из смежных технологий и доменов. О команде: команда работает на стыке бэкенда, фронтенда, UX, менеджмента продукта и ИИ, улучшая такие возможности, как Memory и Duo Developer, и поддерживая клиентов, включая Duo CLI. Работа ведется в удаленной асинхронной среде GitLab. Условия для штатных сотрудников: - Льготы для поддержки здоровья, финансов и благополучия. - Гибкий оплачиваемый отпуск. - Ресурсные группы сотрудников. - Акционерная компенсация и программа покупки акций. - Фонд роста и развития. - Отпуск по уходу за ребенком.
Middle Python-инженер, LLM-инженер
ООО «М-ТЕХ» — ИТ-компания, развивающая направление ИИ-автоматизации: прикладные LLM/RAG-решения и ИИ-агенты для процессов малого и среднего бизнеса. Условия: - Зарплата до 200 000 ₽ - Опыт коммерческой разработки на Python от 2–3 лет - Неполный рабочий день - Формат работы: можно удалённо (Москва, Санкт-Петербург, Самара) Чем предстоит заниматься: - Проектирование, разработка и внедрение ИИ-агентов под конкретные бизнес-задачи - Настройка сценариев работы агента: диалог, вызов инструментов, работа с базой знаний - Интеграция ИИ-агентов с внешними и внутренними системами (API, БД, ERP/CRM, мессенджеры) - Проектирование RAG-пайплайнов: загрузка документов, чанкинг, embeddings, поиск, ранжирование - Оптимизация качества, скорости ответа и стоимости использования токенов Пожелания к кандидатам: - Опыт коммерческой разработки на Python от 2–3 лет - Практический опыт с LLM-приложениями, RAG, ИИ-ассистентами от 6 месяцев - Опыт работы хотя бы с одним из инструментов: LangChain, LangGraph и аналоги
Backend-инженер Python, парсинг соцсетей и LLM
Компания собирает и классифицирует тренды в нишах по соцсетям. Система парсит контент площадок, размечает его по тематикам и форматам через LLM и отдает результат в контент-планы экспертов. Сейчас модуль работает на сторонних платных сервисах, запускается вручную и считает нишу несколько дней из-за лимитов на выгрузку. Задача инженера — перевести его на собственные парсеры и автоматический запуск, расширить список площадок и снизить стоимость прогона до близкой к нулю. Проект находится на стадии MVP. Первые эксперты должны начать пользоваться продуктом в августе 2026 года, первые клиенты ожидаются ориентировочно в сентябре. Бэклог на следующие 6–12 месяцев ещё формируется, поэтому задачи и приоритеты будут уточняться по мере тестирования продукта. Задачи: - Писать и поддерживать парсеры соцсетей: Instagram, TikTok, Threads, дальше Facebook, X и другие площадки. - Уходить со сторонних платных сервисов на Apify и затем на собственные решения, контролируя стоимость прогона. - Сделать автозапуск пайплайна: расписания, очереди, ретраи, мониторинг и оповещения о сбоях. - Классифицировать контент через LLM: тематики, форматы, признаки тренда. - Собирать и вести пайплайны обработки на LangGraph или LangChain. - Сравнивать модели по качеству и цене и переводить разметку на более выгодную. - Проектировать хранение и витрины данных, из которых собираются контент-планы. - Держать систему живой при изменениях на стороне площадок. Задачи приходят не как готовые технические задания, а как описание процесса и ожидаемого результата. Инженеру нужно самостоятельно уточнить ограничения, сравнить варианты реализации и выбрать решение, подходящее для текущего масштаба, а не для гипотетического. Инженер будет работать напрямую с Product Manager и fullstack-инженерами платформы, которая потребляет данные трендвотчинга. CTO, отдельного архитектора и DevOps в команде пока нет, поэтому сотрудник должен самостоятельно принимать технические решения и доводить задачи до production.
Senior AI-архитектор, Generative AI и Agentic AI
Компания AIT Global, Inc. Локация Удалённо О роли Ищем опытного архитектора Generative AI / Agentic AI для руководства проектированием, разработкой и внедрением корпоративной AI-платформы нового поколения. Идеальный кандидат — практикующий архитектор с глубокой экспертизой в Agentic AI, больших языковых моделях (LLM), облачных технологиях AWS и современных фреймворках оркестрации ИИ. Роль требует сильного технического лидерства для проектирования масштабируемых AI-решений, а также наставничества и руководства командой разработчиков. Обязанности - Проектировать и создавать корпоративную платформу Generative AI и Agentic AI с нуля. - Руководить проектированием и разработкой AI-агентов и мультиагентных систем с использованием современных фреймворков Agentic AI. - Определять архитектуру платформы, переиспользуемые компоненты, стандарты безопасности, управления, наблюдаемости и развёртывания. - Руководить и наставлять команду AI-инженеров и разработчиков: архитектура, дизайн, код-ревью, поставка. - Взаимодействовать с бизнес- и техническими стейкхолдерами для преобразования требований в масштабируемые AI-решения. - Оценивать и интегрировать новые AI-технологии и фреймворки. Требования - 15+ лет опыта в разработке ПО, из них 3+ года в Generative AI / Agentic AI. - Практический опыт проектирования и разработки решений Agentic AI с использованием: LangGraph/LangChain, Strands Agents, Model Context Protocol (MCP), Agent-to-Agent (A2A), Loop Engineering, оркестрация AI-воркфлоу и мультиагентные архитектуры. - Опыт создания LLM-приложений: промпт-инжиниринг, RAG, Function Calling, Tool Calling, управление памятью, AI Guardrails. - Практический опыт работы с AWS: Amazon Bedrock, EKS/ECS, Lambda, API Gateway, Step Functions, S3, DynamoDB/Aurora, IAM, CloudWatch. - Сильные навыки Python; опыт с FastAPI и REST API. - Знание React/TypeScript — плюс. - Опыт с векторными базами данных, микросервисами, Docker, Kubernetes и CI/CD. - Понимание концепций Generative UI (GenUI) и AI-управляемого пользовательского опыта. Предпочтительные квалификации - Опыт создания корпоративных AI-платформ от концепции до продакшена. - Желателен опыт в здравоохранении, особенно с данными плательщиков (payer data). - Знание Responsible AI, управления ИИ, безопасности и наблюдаемости. - Желательны сертификаты AWS Solution Architect или AI/ML. - Отличные коммуникативные навыки, управление стейкхолдерами и техническое лидерство.
Junior fullstack-разработчик, AI/ML
О роли Компания PolicyMe, удалённая команда из Торонто, развивает продуктовую линейку для страховых брокеров с использованием искусственного интеллекта и машинного обучения. Инженер будет работать над frontend, backend и AI/ML-направлениями, участвовать в архитектурных обсуждениях, планировании релизов и общеинженерных инициативах. Основной стек: Python, React, Redux, PostgreSQL, n8n, LangChain/LangGraph и AWS. Задачи - Разрабатывать fullstack-функциональность AI-приложения на Python, React, Redux, PostgreSQL и AWS. - Интегрировать AI-модели и API для обработки документов, извлечения данных, рекомендательных систем и других задач. - Работать с старшими инженерами по AI для интеграции моделей в продакшен. - Отслеживать новые AI-технологии и фреймворки, исследовать новые применения. - Создавать масштабируемые и надёжные backend-сервисы для AI-процессов. - Проектировать пользовательские интерфейсы для AI-функций. - Участвовать в архитектурном планировании, код-ревью и брейнштормах. - Отвечать за разработку фич от начала до конца, координируясь с QA и другими командами. - Взаимодействовать с командами для снятия зависимостей и улучшения релизного процесса. - Делиться идеями на квартальном планировании. - Участвовать в хакатонах, инженерных гильдиях и экспериментах с AI-инструментами. Требования - Уверенные fullstack-навыки: Python, React, Redux, PostgreSQL, AWS. - Понимание AI/ML-концепций из курсов, пет-проектов или опыта работы. - Интерес к созданию интеллектуальных приложений. - Готовность учиться, работать в условиях неопределённости и быстро осваивать новое. - Практический опыт или проекты с AI-API и моделями, включая промт-инжиниринг. - Самостоятельность, ответственность и ориентация на результат. - Умение работать в команде, открытость к обратной связи. - Внимательность к деталям при решении сложных задач. Условия - 20 отпускных дней. - Опционы на акции и расширенный соцпакет. - Удалённая работа, оплачиваемые очные встречи команды, возможность работать из офиса в Торонто. - Бюджет на обучение и развитие, оценка эффективности два раза в год, регулярная обратная связь. - Общая компенсация: 85 000–115 000 CAD в зависимости от опыта, плюс бонусная программа и возможность получить долю в компании. О компании PolicyMe — канадский цифровой страховой сервис. Продуктовая линейка включает страхование жизни, страхование критических заболеваний, медицинскую и стоматологическую страховку, а также B2B2C-решения для организаций. Компания основана в 2018 году, продала страховое покрытие на сумму более 10 млрд CAD.
Middle AI-инженер, интеллектуальные системы и сетевая инфраструктура
О компании Allied Telesis — производитель сетевого оборудования и исследовательская группа, фокусирующаяся на возможностях на базе ИИ. Компания основана в 1987 году, штаб-квартира в Токио, численность сотрудников — 1001–5000. Обязанности - Участвовать в создании и поддержке AI-процессов с использованием LangGraph. - Проектировать и расширять библиотеку MCP-серверов. - Улучшать RAG-пайплайны, обеспечивающие работу систем поиска знаний, преимущественно на Python. - Работать в небольшой команде, где вклад каждого заметен. Требования - Степень бакалавра в области компьютерных наук, интеллектуальных систем, науки о данных или смежной области. - 2–3 года опыта разработки ПО с уверенным знанием Python. - Практическое знакомство с инструментами AI/ML: LLM, векторные базы данных, retrieval-augmented подходы или агентные фреймворки. - Умение работать в условиях неопределённости. - Способность переключаться между прототипированием и продакшеном. - Интерес к сетевым технологиям или инфраструктуре. - Ценность аналитического мышления и хорошей коммуникации в небольшой команде. - Опыт с MCP (Model Context Protocol) приветствуется, но не обязателен; важно желание его изучать. Условия - Удалённая работа для кандидатов в США. - Компания имеет историю спонсирования H1B: 3 в 2025, 2 в 2024, 6 в 2023, 3 в 2022, 1 в 2021, 9 в 2020. Это не гарантирует спонсорство для данной роли.
Младший вайбкодер, GenAI-прототипирование
О вакансии - Компания: COVET IT INC - Роль: Vibe Coding Engineer / GenAI Prototyping Developer - Локация: Лос-Анджелес, Калифорния (удалённо) - Тип занятости: долгосрочный контракт - Уровень: начальный, 0–2 года опыта Задачи - Использовать AI-ассистентов кодирования: Cursor, Claude Code, GitHub Copilot, ChatGPT и аналогичные инструменты. - Быстро превращать идеи в функциональные прототипы, AI-приложения, внутренние инструменты и proof-of-concept. - Работать с LLM, AI-агентами, RAG, MCP-серверами, API, современными full-stack фреймворками и паттернами AI-оркестрации. - Сотрудничать с командами product, UX и engineering. Требования - 0–2 года опыта в разработке ПО, включая выпускников с сильным академическим, проектным, стажёрским или личным опытом программирования. - Уверенные основы программирования на Python, JavaScript/TypeScript, Node.js или Golang. - Базовый практический опыт с React, Next.js, REST API, Git и GitHub. - Знакомство с AI-ассистентами: Cursor, Claude Code, GitHub Copilot, ChatGPT, Windsurf или Replit AI. - Понимание основ генеративного ИИ, LLM, промт-инжиниринга, AI-агентов и RAG. - Базовое понимание MCP (Model Context Protocol) и того, как AI-агенты взаимодействуют с инструментами, API и внешними системами. - Опыт создания AI/LLM-приложений, чат-ботов, рабочих процессов или proof-of-concept в академических, стажёрских, личных или open-source проектах. - Понимание API, JSON, веб-сервисов и базовой архитектуры приложений. - Знакомство с Git-процессами и инженерными практиками. - Сильные аналитические навыки и способность быстро осваивать новые технологии. - Любознательность и готовность экспериментировать с новыми AI-инструментами, фреймворками и технологиями повышения продуктивности разработчика. - Практический подход и умение быстро собирать работающие прототипы с помощью AI-инструментов. Желательно - Опыт с LangChain, LangGraph, CrewAI, AutoGen или аналогичными AI-фреймворками. - Знакомство с векторными базами данных, эмбеддингами и семантическим поиском. - Базовый опыт с Docker, Kubernetes, AWS, Azure или GCP. - Опыт интеграции AI-приложений с корпоративными системами, базами данных или сторонними API. - Личные проекты, вклад в GitHub, хакатоны или академические проекты с GenAI или AI-агентами. - Продуктовое мышление и способность быстро превращать идею в работающее демо или прототип. - Комфорт в среде с быстрыми экспериментами, неопределённостью и постоянным обучением.
Senior AI/ML-инженер, Generative AI и RAG
О компании Работодатель — консалтинговая фирма, специализирующаяся на внедрении комплексных AI и ML-решений в различных отраслях. Компания использует современные технологии и отраслевую экспертизу для повышения инновационности и эффективности клиентов. Задачи - Проектирование, разработка и внедрение enterprise-grade приложений на основе генеративного ИИ с использованием современных AI-фреймворков и облачных платформ. - Создание и оптимизация решений на основе RAG (Retrieval Augmented Generation) с применением векторных баз данных и корпоративных баз знаний. - Разработка AI-агентов и мультиагентных рабочих процессов с использованием фреймворков LangChain, LangGraph, Semantic Kernel и AutoGen. - Интеграция больших языковых моделей (LLM), таких как GPT, Llama, Claude и Gemini, в бизнес-приложения. - Взаимодействие с архитекторами, владельцами продуктов и бизнес-заинтересованными сторонами для реализации AI-решений, соответствующих бизнес-целям. - Внедрение промпт-инжиниринга, управления контекстом, фреймворков памяти и оркестрации рабочих процессов для повышения производительности ИИ. Требования - Более 7 лет опыта в разработке ПО с сильными навыками Python. - Подтверждённый опыт работы с генеративным ИИ, Azure OpenAI и Azure AI. - Практический опыт с RAG, векторными базами данных и фреймворками LangChain или LangGraph. - Навыки разработки масштабируемых API, микросервисов и бэкенд-сервисов с использованием облачных технологий. - Опыт с практиками LLMOps и MLOps, включая CI/CD пайплайны, мониторинг и управление жизненным циклом моделей. - Приверженность принципам ответственного ИИ, стандартам безопасности, конфиденциальности данных и политикам управления. Условия - Возможность работы над передовыми проектами в области генеративного ИИ и машинного обучения. - Коллаборативная среда, ориентированная на техническое лидерство и инновации. - Непрерывное обучение и развитие с учётом достижений в области AI-технологий. - Участие в технических ревью дизайна, стандартах кодирования и лучших практиках.
AI-инженер по автоматизации, агентные процессы
О компании Dober — специализированная химическая и программная компания со штаб-квартирой в западных пригородах Чикаго. Во всех подразделениях — SaaS для коммерческих прачечных, производство и сельское хозяйство — ИИ встраивается в основу работы, а не добавляется со стороны. Сильная идея может быстро пройти путь от белой доски до продакшена, и создатель видит результат. О роли Ищем инженера-практика на раннем этапе карьеры, но уже свободно владеющего современными ИИ-инструментами. Кандидат должен уметь прийти в бизнес-подразделение, понять, как реально устроена работа, и создать агентов, которые снимают с людей реальные задачи. Роль находится на стыке операционной деятельности и инженерии: один день — описывать процессы, следующий — выпускать работающего агента. Это не исследовательская роль. Успех измеряется решёнными задачами и сэкономленными часами. Задачи - Встраиваться в команды подразделений, чтобы понять, как реально выполняется работа: шаги, решения, передачи, узкие места. - Проектировать и создавать ИИ-агентов с использованием LLM API, вызова инструментов и функций, оркестрационных фреймворков и систем поиска. - Превращать ручные, повторяющиеся или требующие экспертных решений процессы в надёжные автоматизированные системы. - Создавать системы с учётом управляемости: происхождение данных, обработка ошибок и контроль человека там, где это важно. - Быстро прототипировать, запускать, измерять и итерировать. - Помогать определять, как ИИ внедряется в компании по мере её масштабирования. Требования - Подтверждённое умение создавать решения на современном ИИ: LLM API (Anthropic, OpenAI и др.), вызов функций и инструментов, хотя бы один подход к оркестрации агентов (LangGraph, CrewAI, MCP или аналоги). - Способность понимать бизнес-процессы: наблюдать за работой человека и разбивать её на реализуемые шаги. - Реальные проекты, которые можно посмотреть: GitHub, развёрнутые приложения, хакатон-проекты, пет-проекты. Важнее то, что уже запущено, а не где кандидат учился. - Уверенное владение Python и опыт работы с API и данными. - Склонность к действию: лучше работающий прототип к пятнице, чем идеальный план через месяц. - Умение ясно общаться и работать напрямую с нетехническими специалистами. Желательно - Опыт с RAG, векторными базами данных или графами знаний. - Знакомство с MCP (Model Context Protocol). - Любой опыт в производстве, химической отрасли, SaaS или сельском хозяйстве. Почему Dober - Прямой доступ к руководству и реальное владение тем, что создаётся. - Компания, действительно стремящаяся стать AI-native, при поддержке руководства. - Возможность создавать фундаментальные системы, а не поддерживать чужой легаси-код. - Конкурентная зарплата, бонус и льготы. Зарплата и льготы Зарплата: $95 000–$120 000 базового оклада в зависимости от опыта, плюс ежегодный дискреционный бонус. Предлагается комплексный пакет льгот: медицинская, стоматологическая и офтальмологическая страховка, страхование по краткосрочной и долгосрочной нетрудоспособности, страхование жизни, оплачиваемый отпуск, оплачиваемый родительский отпуск, оплачиваемый волонтёрский отпуск и подписка на приложение Calm. Развивающаяся программа благополучия поддерживает здоровье и баланс между работой и жизнью.
AI-инженер, платформа и агентные системы
Команда строит платформу ИИ-инженерии, которая обеспечивает доставку ИИ-решений. В зоне ответственности — жизненный цикл разработчика, инфраструктура развёртывания, наблюдаемость, автоматизация качества, конвейеры обработки документов и переиспользуемые паттерны агентов. Это практическая инженерия с прямым выходом на миллионы пользователей. Обязанности - Паттерны агентов, поиск и защитные механизмы для агентных ассистентов, которые отвечают на вопросы участников и выполняют операции от их имени. - MCP-сервер, предоставляющий реестр навыков для ИИ-агентов прямо в IDE. - Переиспользуемые паттерны агентов в LangGraph: мультиагентная оркестрация, память, безопасность использования инструментов и защитные механизмы. - Платформа оценки агентов (DeepEval, Ragas) с качественными гейтами, блокирующими неудачные развёртывания в CI/CD. - Конвейеры обработки и поиска документов: разбиение на чанки, эмбеддинги, векторный поиск, реранкинг и цитирование. - Автоматизация CI/CD и развёртывания ИИ-агентов на AWS (ECS, Fargate, Agent Core). - ИИ-совместимые devcontainer'ы с инструментарием, валидацией и тестированием. - Инструментирование OpenTelemetry, дашборды и отслеживание стоимости LLM и токенов для продакшн-нагрузок. - Контроль управления, преобразованный в проверки конвейера, с автоматическим сбором доказательств. - Семантическое кэширование, ограничение скорости и корректная деградация для агентных нагрузок. - Эталонные реализации, SDK и CLI-инструменты, документация для других инженеров. Требования - Владение Python (3.10+) — основной язык команды. - Рабочее знание AWS: ключевые сервисы (IAM, ECS/Fargate, сети), уверенность в cloud-native окружении. - Дисциплина программной инженерии: контроль версий (Git/GitHub), код-ревью, тестирование, документация, чистый код. - Осведомлённость о безопасности: работа с чувствительными данными, секреты, права доступа, защита данных по умолчанию. - Экспертиза в одной из шести областей: - Разработка ИИ-агентов: LangGraph или аналоги, мультиагентная оркестрация, память, использование инструментов, защитные механизмы, проектирование промптов и рабочих процессов. - Инженерия данных и поиска: разбиение на чанки, эмбеддинги и векторный поиск, RAG, гибридный поиск, реранкинг, оценка поиска. - Качество и оценка: фреймворки оценки агентов (DeepEval, Ragas), качественные гейты в CI/CD, метрики обоснованности и безопасности, автоматизация тестов для ИИ-систем. - Платформа и инфраструктура: CI/CD, Terraform, оркестрация контейнеров на AWS (ECS, Fargate), секреты и IAM, прогрессивное развёртывание. - Наблюдаемость и эксплуатация: трассировка OpenTelemetry, дашборды и алертинг, отслеживание стоимости LLM и токенов, циклы обратной связи. - Опыт разработчика: MCP-серверы, devcontainer'ы, CLI и SDK-инструменты, библиотеки промптов, документация и эталонные реализации.
Senior AI/LLM-инженер, генеративный ИИ
О компании и проекте Компания: NTT DATA North America. Требуется Senior AI/LLM-инженер для проектирования, разработки и внедрения корпоративных решений генеративного ИИ на основе больших языковых моделей. Кандидат должен обладать опытом разработки на Python, RAG, AI-оркестрации и облачных архитектур. Роль предполагает работу с владельцами продуктов, архитекторами решений, инженерами данных и бизнес-заинтересованными сторонами для создания масштабируемых, безопасных и готовых к продакшену AI-приложений на базе OpenAI и других ведущих фундаментальных моделей. Локация: удалённо, необходимо поддерживать часовой пояс EST. Задачи - Проектировать, разрабатывать и внедрять корпоративные генеративные AI-приложения с использованием современных LLM-технологий. - Создавать продакшен-бэкенд-сервисы на Python с применением современных практик разработки ПО. - Разрабатывать масштабируемые AI-архитектуры с использованием OpenAI, Anthropic Claude, Gemini, Llama или аналогичных фундаментальных моделей. - Проектировать и внедрять RAG-пайплайны с использованием векторных баз данных и семантического поиска. - Разрабатывать мультиагентные AI-системы для оркестрации сложных бизнес-процессов. - Проектировать архитектуры AI-решений, отвечающие требованиям масштабируемости, безопасности и поддерживаемости. - Интегрировать AI-возможности в существующие корпоративные приложения, API и бизнес-процессы. - Разрабатывать и использовать REST API, микросервисы и событийно-ориентированные сервисы для AI-приложений. - Внедрять фреймворки оркестрации, такие как LangChain и связанные агентные фреймворки. - Оптимизировать промпты для повышения точности, качества рассуждений и бизнес-результатов. - Оценивать производительность LLM и внедрять методы улучшения качества ответов. - Устанавливать практики AI-управления, оценки моделей и ответственного ИИ. - Мониторить производительность AI-приложений и оптимизировать задержку, стоимость и качество. - Создавать облачные AI-решения с использованием Azure или AWS AI-сервисов. - Внедрять Azure AI Search и векторный поиск. - Проектировать безопасные корпоративные AI-приложения в соответствии со стандартами облачной безопасности и управления. - Взаимодействовать с DevOps-командами для развертывания AI-решений через CI/CD-пайплайны. - Взаимодействовать с бизнес-заинтересованными сторонами для понимания AI-кейсов и их трансформации в масштабируемые технические решения. - Представлять архитектурные решения и AI-стратегии технической и нетехнической аудитории. - Наставлять младших инженеров и развивать лучшие практики AI-инжиниринга. Требования - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, программной инженерии или смежной области. - 6+ лет опыта в разработке ПО или машинном обучении. - Минимум 3 года практического опыта создания решений в области ИИ и генеративного ИИ. - 3–5 лет сильного практического опыта разработки продакшен-приложений на Python. - 1–3 года опыта создания приложений с использованием OpenAI (предпочтительно), Anthropic Claude, Gemini, Llama или аналогичных LLM-платформ. - 3+ года опыта внедрения RAG-архитектур. - 1–3 года опыта интеграции векторных баз данных и решений семантического поиска. - 1–3 года уверенного понимания LangChain и фреймворков AI-оркестрации. - Опыт проектирования мультиагентных AI-архитектур. - Глубокие знания промпт-инжиниринга, оценки моделей, AI-управления и принципов ответственного ИИ. - Опыт создания REST API, микросервисов и событийно-ориентированных архитектур. - Опыт работы с облачными платформами Azure или AWS. - Понимание масштабируемой корпоративной архитектуры приложений. - Отличные аналитические навыки, навыки решения проблем и коммуникации. Необходимые технические навыки - Python - JavaScript - Генеративный ИИ - Большие языковые модели (LLM) - OpenAI (предпочтительно) - Retrieval-Augmented Generation (RAG) - Мультиагентная AI-оркестрация - LangChain - Langfuse - Архитектура AI-решений - Azure AI Search - Векторные базы данных - Промпт-инжиниринг - REST API - Микросервисы - Событийно-ориентированная архитектура - Облачные сервисы Azure или AWS Предпочтительно - Опыт работы с LangGraph, AutoGen, CrewAI, Semantic Kernel или аналогичными агентными фреймворками. - Опыт работы с векторными базами данных, такими как Pinecone, Weaviate, ChromaDB, Qdrant.
Senior ML-инженер, генеративный ИИ и здравоохранение
Компания RXNT — healthtech-компания, цифровой фундамент системы здравоохранения США. Более 25 лет работает на стыке здравоохранения и технологий, развивает AI-продукты. Задачи - Преобразовывать неоднозначные продуктовые концепции в конкретные ML-стратегии: начинать с данных, проводить EDA, выявлять паттерны и признаки. - Донастраивать мультимодальные генеративные модели и оркестрировать AI-агентов (например, LangGraph) с учётом домена здравоохранения; тестировать крайние случаи, строить запасные эвристики. - Определять строгие статистические и бизнес-метрики с первого дня, строить фреймворки для оценки моделей. - Писать production-grade Python, сотрудничать с инженерами для развёртывания масштабируемых решений, участвовать в мониторинге здоровья системы, дрейфа данных и деградации моделей. - Работать автономно, согласовывать действия со стейкхолдерами, предоставлять чёткие обновления техническому руководству. Требования - 5+ лет профессионального опыта в ML-инжиниринге и/или data science. - MS или PhD в Computer Science, математике, ИИ или смежной области (или BSc с эквивалентным подтверждённым опытом). - Глубокое знание ML: сильная статистическая база, экспертные знания архитектур моделей, анализа данных и методов оценки; владение основными фреймворками (PyTorch, TensorFlow, JAX) и продвинутыми техниками донастройки. - Практическое знакомство с контейнеризацией, оркестрацией, облачными сервисами (AWS, GCP, Azure) и CI/CD для поддержания production ML-систем. Условия - Удалённая работа.
AI-инженер в строительной индустрии
О компании Kokosing — один из 50 крупнейших генеральных подрядчиков США, обслуживающий широкий круг клиентов в частном и государственном секторах. Услуги включают тяжелое гражданское и промышленное строительство: автомагистрали, мосты, подземные коммуникации, объекты водоснабжения и водоотведения, морское строительство. Более 75 лет компания привлекает квалифицированных технических специалистов, предлагая видимые задачи, высокое качество и привлекательное вознаграждение. Годовой объем продаж — более 2,8 млрд долларов. О роли Kokosing ищет инженера по ИИ в строительстве. Этот сотрудник будет стратегическим партнером между отделом технологий и инноваций (T&I), IT и бизнес-подразделениями для поддержки внедрения интеллектуальных инструментов, копилотов и агентных рабочих процессов с целью автоматизации процессов и решения реальных задач в строительной отрасли в соответствии с целями организации. Специалист будет связующим звеном между разработкой ПО и прикладным ИИ, интегрируя прогнозные модели и генеративный ИИ в реальное выполнение проектов и операционную деятельность предприятия. Инженер по ИИ в строительстве будет подчиняться директору по строительным технологиям и инновациям и ежедневно взаимодействовать с операционными руководителями и IT-отделом. Корпоративная культура Инженер по ИИ в строительстве должен воплощать и укреплять основные культурные ценности организации: - Ориентация на клиента: построение долгосрочных отношений с клиентами (внутренними и внешними), предоставление комплексных решений и качественных результатов, превышение ожиданий безопасно и надежно. - Управление «с засученными рукавами»: «Никто из нас не умнее, чем все мы вместе». Лидерский подход, совместное достижение целей, готовность помогать, а не просто наблюдать. - Финансовая устойчивость: долгосрочные решения, анализ рисков, разумные стратегии, реинвестирование прибыли в компанию и обеспечение ресурсов для лидерства в отрасли. - Инновационное мышление: инновации — ключевой фокус организации, оптимизация бизнеса и лидерство в сообществе и стране. Ключевые обязанности Роль заключается в переводе бизнес- и полевых потребностей в работающие решения — от интеллектуальных рабочих процессов и копилотов до агентных инструментов и ИИ-приложений для строительного сектора. Вы будете разрабатывать надежные системы, которые стабильно работают в среде с высокими ставками и управлением рисками физического строительства. Вместе мы создадим и внедрим практические ИИ-решения, обеспечивающие автоматизацию, производительность и бизнес-ценность. - Создание ИИ-агентов и автоматизаций: проектирование и реализация интеллектуальных рабочих процессов с использованием LLM, вызова функций, агентного ИИ и мультиагентных паттернов, а также архитектур поиска. - Системная интеграция: интеграция ИИ-возможностей в корпоративные системы и полевые приложения (например, Procore или Autodesk) для реального внедрения и измеримой ценности. Партнерство с инженерами и аналитиками, работающими над безопасностью, операциями, планированием и рисками, для превращения агентных возможностей в инструменты для суперинтендантов, менеджеров проектов и инженеров-проектировщиков. - Тестирование и оценка: создание надежной инфраструктуры оценки, золотых наборов данных и тестовых стендов для недетерминированных ИИ-систем для обеспечения надежности и соответствия требованиям. - Управление данными: работа со структурированными и неструктурированными строительными данными, создание систем поиска, охватывающих векторный поиск и графы знаний по сложным проектным данным. - Взаимодействие с заинтересованными сторонами: партнерство с отраслевыми экспертами (руководителями проектов, суперинтендантами, директорами по безопасности) для уточнения требований и превращения агентных возможностей в удобные ежедневные инструменты. - Управление моделями: обеспечение соответствия ИИ-решений корпоративным стандартам безопасности, конфиденциальности и ответственной практики ИИ. Квалификация и навыки - Образование: степень бакалавра или магистра в области компьютерных наук, инженерии, науки о данных или смежной технической области. - Опыт: более 5 лет практической разработки ПО или инженерии ИИ/ML с подтвержденным опытом выпуска ИИ-приложений в производственной среде. - Инструменты ИИ и оркестрации: практический опыт работы с ИИ-фреймворками для оркестрации (например, LangChain, LangGraph, CrewAI, AutoGen или LlamaIndex). - Программирование и облако: уверенные знания Python и опыт работы с основными корпоративными облачными платформами и векторными базами данных (например, Azure, Databricks, Snowflake, Palantir). - Знание строительства: знание технологических стеков архитектуры, инженерии и строительства (AEC), цифровых двойников.
Senior ML-инженер, NLP и RAG
Senior Machine Learning Engineer в компании Unifonic, занимающейся SaaS-решениями для бизнес-коммуникаций. Команда из 500 сотрудников обслуживает более 5000 компаний. Задачи: - Проектирование, разработка и внедрение масштабируемых ML-решений с акцентом на NLP и RAG-архитектуры. - Построение RAG-систем, сочетающих большие языковые модели с механизмами поиска для повышения точности и интерпретируемости контента. - Применение NLP-техник: классификация текста, распознавание сущностей, анализ тональности, суммаризация, ответы на вопросы, извлечение информации. - Исследование и интеграция современных NLP-моделей и RAG-фреймворков (Transformers, BERT, GPT, векторные базы данных, семантический поиск). - Наставничество младших коллег, обмен знаниями и лучшими практиками ML и разработки ПО. - Взаимодействие с кросс-функциональными командами для интеграции ML-решений в продукты компании. - Разработка и оптимизация ML-алгоритмов, создание сервисных API с использованием Flask, FastAPI или аналогичных фреймворков. - Отслеживание актуальных исследований и трендов в области ИИ, включая генеративный ИИ. - Сбор и анализ больших наборов данных совместно с командой data engineering в реальном времени, около-реальном времени или пакетном режиме. - Реализация прототипов и proof-of-concept для новых AI-кейсов. - Построение масштабируемых ML-сервисов, выдерживающих тысячи запросов в секунду, и проведение нагрузочных тестов для соблюдения SLA. - Ревью кода коллег, улучшение архитектуры в соответствии с принципами SOLID. - Участие в документации проектов и демонстрациях. Требования: - Опыт проектирования и внедрения RAG-систем, знание стратегий поиска (BM25, плотный поиск, гибридные подходы) и интеграции графов знаний. - Практический опыт с фреймворками оркестрации LLM: LangChain, LangGraph, CrewAI или аналогичными для создания автономных агентов. - Глубокие знания NLP-техник и моделей: Transformer-архитектуры (BERT, GPT, T5, LLama, Mistral), большие языковые модели и их тонкая настройка, векторные эмбеддинги и поиск по сходству, классификация текста, NER, анализ тональности, суммаризация, ответы на вопросы. - Опыт работы ML-инженером от 3 до 5 лет. - Опыт работы с Python от 3 лет. - Аналитические способности для сбора, организации и анализа больших наборов данных. - Полный цикл обучения, оценки, тестирования и развертывания ML-продуктов в продакшене. - Написание качественного кода на Python (SOLID), знание структур данных, алгоритмов и моделирования данных. - Опыт работы с ML-фреймворками: NumPy, Pandas, Scikit-Learn, PyTorch, Keras, BERT, TensorFlow и аналогичными. - Знакомство с практиками MLOps.
Senior Python Backend Developer
Senior Python Backend Developer О продукте В команду ищут эксперта разработки, который возьмёт на себя самые критичные и нагруженные части платформы. Важен не только сильный инженер, но и человек, которому интересно, как индустрия агентов взрослеет: от prompt- к context engineering, от одиночного бота к мульти-агентным системам, MCP и A2A как новые стандарты, память и eval агентов, reasoning-модели, эффективный serving (vLLM / SGLang). Это не просто чтение в ленте, а практическое применение. Над чем предстоит работать - Оркестратор диалога на LangGraph: граф сценариев, чекпоинтинг состояния, tool-calling, интеграция с LLM. Это сердце платформы и одна из самых нагруженных её частей. - Планирование и выполнение многошаговых задач, субагенты и мульти-агентная оркестрация. - Развитие долговременной памяти агентов, изолированные сэндбоксы для исполнения кода и инструментов, guardrails и контроль действий. - Парсинг и чанкинг документов, индексация и гибридный / семантический поиск в Milvus. - Рантайм диалога на Kafka: обработка входящих сообщений, маршрутизация ответов в каналы, поток событий диалога в аналитику. - Оценка качества агентов, наблюдаемость. Чем предстоит заниматься - Реализовывать высоконагруженные бэкенды критичной бизнес-логики. - Быть владельцем кода одного или нескольких сервисов и отвечать за его качество, производительность, отказоустойчивость и документированность. - Прототипировать и исследовать подходы (новые модели, фреймворки агентов, способы инференса), чтобы обоснованно выбирать решения, а не следовать хайпу. - По желанию и в перспективе расти в техлида или тимлида продукта. Ожидания от кандидата - Релевантный опыт backend-разработки от 5 лет с Python как основным языком на экспертном уровне (в компании используется Python 3.12): понимание не только как писать, но и как и почему работает под капотом. - Глубокое понимание async-модели: где asyncio даёт выигрыш, а где только добавляет сложности, как не положить event loop блокирующим вызовом и как дебажить асинхронный код под нагрузкой; опыт с async-фреймворком (в компании используется FastAPI). - Опыт проектирования и эксплуатации высоконагруженных и отказоустойчивых сервисов: нагрузка, конкурентность, backpressure, деградация, идемпотентность. - Уверенная работа с микросервисами и брокерами сообщений (в компании используется Kafka). - Опыт с реляционными БД (в компании используется PostgreSQL); понимание, чем платить за консистентность и как не положить базу под нагрузкой. - Алгоритмы и структуры данных, ООП, SOLID, чистый читаемый код, code review, юнит-тестирование.
Senior AI-инженер
AI-инженер отвечает за проектирование, разработку, развертывание и поддержку решений в области искусственного интеллекта и машинного обучения, которые обеспечивают интеллектуальную автоматизацию, прогнозную аналитику и продвинутую аналитику на уровне предприятия. Роль предполагает практическую разработку: применение принципов программной инженерии для написания production-кода, создание масштабируемых AI-систем, включая AI-агентов и пайплайны данных, и интеграцию моделей ИИ в новые и существующие бизнес-приложения. AI-инженер тесно сотрудничает с дата-сайентистами, дата-инженерами, ML Ops-инженерами и платформенными командами для перевода моделей машинного обучения из прототипа в продакшн. Критически важная часть функции — обеспечение перехода AI-кейсов от экспериментов к надежным, управляемым и готовым к бизнесу решениям, включая полную операционную готовность: внедрение надежной наблюдаемости, определение Service Level Objectives (SLO) и создание четких стратегий реагирования на инциденты и отката для всех AI-сервисов. Обязанности - Разработка и внедрение моделей: написание чистого, эффективного и документированного кода для разработки и внедрения моделей машинного обучения и ИИ, поддерживающих различные бизнес-кейсы. - Реализация пайплайнов обработки данных и предобработки, необходимых для входных данных моделей. - Постоянная оптимизация производительности и масштабируемости AI-приложений и моделей. - Проектирование, разработка и поддержка масштабируемых ML-пайплайнов для обучения, валидации, инференса и развертывания моделей. - Сотрудничество с ML Ops-инженерами для упаковки и развертывания моделей в корпоративных системах с использованием установленных практик MLOps. - Мониторинг развернутых моделей в продакшене на предмет производительности, дрейфа данных и надежности, устранение возникающих проблем. - Обеспечение операционной готовности всех AI-сервисов: определение и внедрение Service Level Objectives (SLO) для ключевых метрик, таких как p50/p95 задержка и доступность, создание надежного мониторинга и алертинга для дрейфа моделей, задержки и частоты ошибок. - Тесное сотрудничество с дата-сайентистами для перевода экспериментальных моделей и исследовательских прототипов в надежные production-системы. - Поддержка интеграции AI-возможностей в корпоративные рабочие процессы, приложения и цифровые платформы. - Участие в документировании и объяснимости выходов моделей для обеспечения ясности для бизнес-стейкхолдеров. - Обеспечение соответствия всех развернутых AI-систем корпоративным стандартам управления, справедливости и безопасности. - Оценка новых AI-технологий, таких как LLM и генеративный ИИ, для определения их применимости к бизнес-задачам и стимулирование инноваций. - Обеспечение поддержки аудируемости, объяснимости, прослеживаемости и соответствия регуляторным требованиям. - Реализация стратегий управления памятью, контекстной инженерии, планирования и многошаговых рассуждений. - Определение и отслеживание метрик качества, таких как обоснованность, точность (faithfulness), релевантность, процент выполнения задач и удовлетворенность пользователей. Предпочтительные навыки и опыт - Основные технические и AI-компетенции: - Сильные навыки программирования на Python, Java или C++, включая разработку API и проектирование ПО. - Глубокое понимание базовых концепций машинного обучения, включая классификацию, регрессию, кластеризацию и архитектуры глубокого обучения. - Практический опыт работы с современными фреймворками глубокого обучения и алгоритмами (обучение с учителем и без), такими как PyTorch, TensorFlow или аналогичными, для построения и обучения сложных нейронных сетей. - Навыки работы с LLM, промпт-инжинирингом, тонкой настройкой и использованием фреймворков LangChain и LangGraph для построения RAG-систем (Retrieval-Augmented Generation). - Работа с данными: data wrangling, SQL, хранилища данных и ETL-пайплайны для подготовки данных для моделей. - Полный жизненный цикл ML-моделей: - Подтвержденный опыт полного жизненного цикла моделей: разработка, обучение и развертывание моделей машинного обучения от прототипа до продакшена. - Владение предобработкой данных, инженерией признаков и методами оценки моделей для обеспечения надежной и точной производительности. - Подтвержденная способность строить и оптимизировать масштабируемые пайплайны данных для обучения и оценки моделей машинного обучения. - Хорошее знание как SQL, так и NoSQL баз данных для запросов и управления данными для AI-приложений. - Программная инженерия и MLOps: - Солидная база в лучших практиках программной инженерии, включая контроль версий (Git), автоматизированное тестирование и CI/CD пайплайны. - Практический опыт контейнеризации с помощью Docker и оркестрации контейнеров с помощью Kubernetes для масштабируемого развертывания. - Экспертиза в MLOps-наблюдаемости, включая мониторинг моделей для отслеживания производительности и дрейфа, а также установление происхождения моделей/версий, телеметрии и трассируемости. - Опыт внедрения продвинутых стратегий тестирования и развертывания, включая канареечные и теневые развертывания, а также комплексные наборы тестов (модульные, интеграционные, состязательные, регрессионные).
Бэкенд-разработчик, AI/LLM в RegTech
О компании Ранний AI-стартап решает проблему регуляторной сложности. Энергетические проекты, дата-центры, проекты возобновляемой энергетики и крупные инфраструктурные проекты могут задерживаться на месяцы, потому что критическая информация разбросана по тысячам регуляторных документов, градостроительным кодексам, экологическим заявкам и требованиям агентств. Компания создаёт AI-платформу, которая понимает эту информацию, связывает её с конкретными проектами и локациями и превращает в проверяемую и применимую аналитику. Роль Ищем Founding Backend Software Engineer для присоединения к небольшой высокотехничной команде. Это роль, в которой вы не просто присоединяетесь к инженерной команде, а помогаете определить, какой она станет. Требования - 4+ лет опыта в разработке ПО - Сильный бэкенд на Python - Продакшен-опыт с AI-агентами / LLM-пайплайнами - Опыт с LangGraph, LangChain, CrewAI, OpenAI API или аналогичными инструментами - Поисковые системы + GraphQL / REST - PostgreSQL / базы данных - Опыт работы с облаками: AWS, Azure, GCP или аналогичные - Уверенная работа с контейнерами, CI/CD и observability - Комфортно в среде 0→1 / founding engineering Условия - Зарплата: $150k–$180k base + значительная доля в компании (equity) - Локация: Jersey City, NJ, гибрид или в офисе
Специалиста для развития корпоративной AI-платформы и автоматизации инженерных и бизнес-процессов
Специалист для развития корпоративной AI-платформы и автоматизации инженерных и бизнес-процессов Чем предстоит заниматься AI-платформа: - проектировать и развивать корпоративную AI-платформу; - внедрять LLM и современные AI-сервисы; - создавать масштабируемую архитектуру; - участвовать в разработке AI-стратегии. AI-ассистенты: - создавать интеллектуальных помощников для продаж, проектировщиков, конструкторов, производства, сервисных служб и руководителей проектов. RAG и база знаний: - разрабатывать интеллектуальный поиск по технической документации, ГОСТам, проектам, CAD-моделям, конструкторской документации, внутренним регламентам. Автоматизация: - технические задания; - коммерческие предложения; - BOM/спецификации; - инженерная документация; - отчёты и аналитика. AI Agents: - мультиагентные системы; - интеллектуальные workflow; - AI-сценарии автоматизации бизнес-процессов. Интеграции: - CRM, ERP, PDM/PLM, CAD и внутренние API. Что важно - уверенный Python; - backend — FastAPI, REST API; - опыт создания AI-продуктов с LLM; - понимание архитектуры AI-систем и GenAI; - опыт разработки масштабируемых сервисов; - практический опыт с OpenAI, Claude, Gemini, Llama, Mistral; - опыт построения RAG; - знание Vector DB: Qdrant, Pinecone, Weaviate, ChromaDB или аналогов. Будет плюсом: - LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen, Docker, PostgreSQL, Git. Большой плюс: - опыт в инженерных или производственных компаниях; - понимание CAD/PDM/PLM и жизненного цикла инженерного продукта; - опыт создания корпоративных AI Copilot или AI-платформ.
Senior AI-инженер, агентные системы и LLM
Senior AI Software Engineer (Agentic Systems & LLM Applications). Удалённая работа, W2. Роль: проектирование, разработка и масштабирование интеллектуальных приложений на базе современных ИИ и больших языковых моделей. Это инженерная позиция, а не роль дата-сайентиста. Задачи: - Разработка Python-API для ИИ-приложений и сервисов. - Построение и оркестрация агентных рабочих процессов с использованием фреймворков LangChain, LangGraph, AutoGen, Semantic Kernel или LlamaIndex. - Внедрение и оптимизация пайплайнов RAG. - Разработка масштабируемых ИИ-систем с применением фреймворков машинного и глубокого обучения. - Интеграция и управление векторными базами данных (Pinecone, Weaviate, Chroma) для семантического поиска и памяти. - Проектирование и развертывание приложений в облаке (AWS, GCP, Azure). - Применение принципов domain-driven design и микросервисной архитектуры. - Обеспечение качества кода через ООП (наследование, полиморфизм) и паттерны проектирования. - Кросс-функциональное взаимодействие для поставки production-ready решений. Требования: - Опыт разработки на Python. - Практический опыт работы с LLM-фреймворками и инструментами оркестрации (LangChain, LangGraph, AutoGen и др.). - Понимание архитектур RAG и систем векторного поиска. - Опыт работы с фреймворками машинного обучения (TensorFlow или PyTorch). - Навыки создания и потребления RESTful API. - Опыт работы с облачной инфраструктурой (AWS, GCP или Azure). - Знание микросервисной архитектуры и domain-driven design. - Глубокое понимание ООП и паттернов проектирования. Предпочтительно: - Опыт создания агентных или автономных ИИ-систем. - Знакомство с real-time приложениями и потоковой архитектурой. - Опыт оптимизации ИИ-систем по производительности и масштабируемости. - Опыт работы с MLOps и пайплайнами развертывания.