AI-инженер / LLM-инженер (LangGraph, RAG)

АО «Мособлгаз» приглашает AI-инженера / LLM-инженера в команду собственной ИИ-платформы для сотрудников. Платформа уже работает, модели класса Qwen 100B+ развёрнуты на серверах в закрытом контуре. Следующий шаг — семантический слой: агенты и RAG поверх данных внутренних информационных систем.

Обязанности

• Разрабатывать агентов на LangGraph: tool calling, многошаговые сценарии, human-in-the-loop, обработка ошибок.
• Строить RAG по внутренним документам: разбор PDF/DOCX, сканов и таблиц, индексация, гибридный поиск (BM25 + dense), реранкинг.
• Делать и развивать агентов для корпоративных систем (Bitrix, Jira, Alfresco, Exchange, 1С): text-to-SQL по MS SQL / PostgreSQL, интеграции через REST API.
• Разбирать ошибки агентов по трейсам, вести регрессионные наборы и метрики качества.
• Вместе с заказчиками вести решение от прототипа до передачи в эксплуатацию и документировать его.

Требования

• От 2 лет разработки на Python, из них от 1 года — LLM-проекты (агенты, ассистенты, RAG). asyncio, FastAPI, pydantic, тесты.
• LangGraph, LangChain или аналоги; function calling, structured output, паттерны агентов (ReAct, plan-and-execute, роутинг).
• RAG на практике: chunking, эмбеддинги, векторный и гибридный поиск (Qdrant, pgvector или аналоги).
• Понимание ограничений LLM и способов их обходить: контекстное окно, галлюцинации, недетерминизм. Умение решить, где нужна LLM, где достаточно детерминированного решения, а где — классического ML, и обосновать выбор по качеству, стоимости и надёжности.
• Оценка качества: собрать тестовый набор, выбрать метрики (recall@k, faithfulness, RAGAS или аналоги), провести офлайн-оценку и side-by-side сравнение версий промпта или пайплайна.
• Уверенный SQL; Docker / Docker Swarm, GitLab CI.
• Умение общаться с бизнес-заказчиками, переводить задачу в техническую постановку и писать понятную документацию.

Будет преимуществом

• Работа с open-weight моделями (Qwen, DeepSeek) и их деплой на vLLM: квантование (FP8/AWQ), guided decoding.
• Опыт с российскими LLM (GigaChat, YandexGPT) через API.
• LiteLLM как шлюз к моделям; OpenWebUI (Functions, Tools, Pipelines).
• Langfuse или LangSmith, LLM-as-a-judge.
• MCP: создание и подключение серверов.
• Защита LLM-систем: prompt injection, маскирование конфиденциальных данных.
• Классический ML для текстов: классификация, кластеризация, бустинги, sklearn (например, для маршрутизации запросов).

Условия

• Опыт работы: 3–6 лет.
• Занятость: полная.
• График: 5/2, с 09:00 до 18:00, в пятницу — до 16:45.
• Формат работы: на месте работодателя или гибрид.
• Место работы: Рублёво-Успенское шоссе, 1-й километр, 1Б.
• Компенсация затрат на обучение по программам, необходимым для работы: тренинги, семинары, курсы.
• После испытательного срока — ДМС (с софинансированием).
• На территории есть столовая и корпоративный фитнес-клуб.
• Детям сотрудников предоставляются путёвки в корпоративный лагерь.
• Корпоративный транспорт от метро «Парк Победы».