Python-разработчик AI-сервисов (LLM / RAG)

Опыт работы: 1–3 года. Занятость: полная. График: 5/2, 8 рабочих часов. Формат работы: на месте работодателя или гибрид.

TEAMLY — IT-платформа для совместной работы и управления знаниями, объединяет командную работу, базу знаний и корпоративное обучение. Среди клиентов: ВкусВилл, Аналитический центр при Правительстве РФ, Капитал Life, 1С-Рарус, Интерлизинг, а также средний и малый бизнес. Команда активно растёт, ищут ИИ-разработчика.

Чем предстоит заниматься

• Развивать HTTP API и бизнес-логику двух асинхронных Python-сервисов на FastAPI.
• Проектировать и реализовывать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов.
• Развивать агентные сценарии на LangChain, LangGraph и deepagents: инструменты, middleware, ограничения числа вызовов, защита от циклов и контроль контрактов ответа.
• Улучшать качество семантического поиска: chunking, dense/sparse retrieval, фильтры Qdrant, reranking, RRF и token budget.
• Развивать событийную индексацию статей, файлов и структурированного контента через Kafka.
• Обеспечивать корректную мультитенантность и фильтрацию результатов по правам пользователей, групп и сообществ.
• Интегрировать и заменять LLM-, embedding- и reranking-провайдеры, включая OpenAI-compatible API, vLLM и Ollama.
• Работать с PostgreSQL, Redis и Qdrant, проектировать модели данных и Alembic-миграции.
• Диагностировать проблемы качества, производительности и надёжности на границах внешних сервисов.
• Развивать автоматические тесты и quality gates, поддерживать воспроизводимые локальные и CI-окружения.
• Улучшать наблюдаемость: структурированные логи, технические метрики, OpenTelemetry и трассировку LLM/RAG через Langfuse.
• Участвовать в декомпозиции задач, ревью кода и принятии архитектурных решений.

Технологический стек

• Python 3.12, async/await;
• FastAPI, Pydantic 2;
• SQLAlchemy 2 async, Alembic, PostgreSQL;
• Redis, Apache Kafka, aiokafka;
• Qdrant, dense/sparse vectors, embeddings, reranking, RRF;
• LangChain, LangGraph, deepagents;
• OpenAI-compatible API, vLLM, Ollama;
• Pytest, pytest-asyncio, mypy, Black, Flake8;
• Docker, Docker Compose, Kubernetes, GitLab CI;
• Langfuse, OpenTelemetry.

Что важно

• Уверенное владение Python и практический опыт разработки backend-сервисов.
• Хорошее понимание асинхронного программирования: event loop, конкурентный I/O, таймауты, отмена, управление ресурсами и graceful shutdown.
• Опыт разработки API на FastAPI или сопоставимом Python-фреймворке.
• Практический опыт с PostgreSQL и SQLAlchemy: транзакции, конкурентный доступ, индексы, миграции и диагностика запросов.
• Опыт интеграции внешних сервисов и проектирования устойчивого взаимодействия: retry/backoff, timeout, idempotency, ограничение параллелизма и обработка частичных отказов.
• Понимание событийной архитектуры и семантики Kafka consumer: consumer groups, offset commit, rebalance, повторная доставка и идемпотентная обработка.
• Понимание устройства RAG: chunking, embeddings, retrieval, reranking, контекстное окно, ограничения LLM и способы снижения галлюцинаций.
• Умение писать unit- и интеграционные тесты для асинхронного кода, отделяя бизнес-логику от внешней инфраструктуры.
• Способность разбираться в существующей кодовой базе, находить причины проблем и предлагать минимальные, проверяемые изменения.

Будет преимуществом

• Production-опыт с Qdrant или другой векторной базой.
• Практический опыт hybrid search, sparse retrieval, reranker и оценки ранжирования по Precision@K, Recall@K, MRR, MAP или NDCG.
• Опыт разработки LLM-приложений на LangChain/LangGraph или другом orchestration framework.
• Опыт работы со structured output, function/tool calling и потоковой генерацией.
• Понимание prompt injection, разграничения доступа к данным и других рисков безопасности RAG/agent-систем.
• Опыт эксплуатации сервисов в Kubernetes и настройки observability.
• Опыт работы с локальными моделями и inference-серверами: vLLM, Ollama, embedding/reranking inference.

Условия

• Офисный формат работы с возможностью перейти на гибрид.
• Развитие: оплата внешних курсов, корпоративная скидка на английский, поддержка выступлений на конференциях, участие в митапах и вебинарах.
• Крупный продукт, инновационные технологии.
• Офис в центре Москвы (Китай-город, Курская, Чистые пруды), предоставляется техника, дополнительные мониторы, лицензированный софт и платные доступы.
• Команда профессионалов, поддержка инициатив.
• Корпоративные мероприятия: корпоративы, выезды на природу, бары, квизы, спорт, страйкбол, вечера кино.

Данное описание вакансии не является офертой.