AI-инженер по LLM и RAG

Компания КВС ищет инженера для разработки и внедрения AI-функциональности в продукты: RAG-систем, решений на базе LLM, обработки и анализа речи и текста.

Условия:

• Опыт работы: 1–3 года
• Занятость: полная
• График: 5/2, 8 рабочих часов
• Формат: гибрид, Санкт-Петербург
• Зарплата: от 200 000 ₽ в месяц до вычета налогов

Задачи:

• Внедрять LLM в сценарии разработки, тестирования и использования продукта
• Разрабатывать решения классификации, суммаризации и извлечения сущностей (подсистема работы с отчётностью на основе LLM)
• Поддерживать и расширять функциональность голосового помощника на базе АТС (распознавание речи, voice activity, определение основного спикера)
• Прорабатывать архитектуру интеграций, API-контракты, зависимости и эксплуатационные требования
• Использовать отечественные и зарубежные модели
• Разрабатывать решения первой линии онлайн-поддержки пользователей
• Формировать внутри компании устойчивую среду использования AI — выстраивать единые практики и инфраструктуру применения LLM

Обязательные требования:

• Уверенное владение Python и опыт разработки сервисов: асинхронная обработка, работа с базами данных, тестирование, Git, Docker
• Практический опыт внедрения решений на LLM в продукт
• Опыт использования Speech-To-Text и Text-to-Speech решений, включая потоковую обработку аудио, оценку качества распознавания
• Опыт разработки RAG: векторный и гибридный поиск, работа с метаданными и актуализацией индекса
• Опыт работы с API языковых моделей, проектирования промптов, получения структурированных ответов
• Понимание принципов безопасной работы с персональными данными пользователей
• Умение самостоятельно переводить продуктовую задачу в технические требования, выбирать компромиссное решение между качеством, сроками и сложностью поддержки
• Опыт работы в команде: согласование интерфейсов, фиксация договорённостей, обсуждение ограничений и сопровождение интеграций

Будет плюсом:

• Широкая осведомлённость о существующих технологиях
• Опыт развёртывания, оптимизации и дообучения open-source моделей
• Опыт построения мониторинга AI-сервисов: задержки, ошибки, расход токенов, стоимость обработки
• Опыт резервирования зависимостей