Метран, Промышленная группа Опубликована 4 дня назад · отклик: Сайт вакансий
Junior Python-разработчик LLM-сервисов и ИИ-агентов
ЗарплатаПо договорённости
ФорматГибрид
ЛокацияЧелябинск, Не указана
ГрейдJunior
ЗанятостьПолная занятость
Мы строим ИИ-помощников для внутренних подразделений компании. Первый проект — ассистент финансовой службы, который отвечает финансистам по данным 1С, регламентам и учётной политике и всегда опирается на источник. Ищем Python-разработчика уровня Junior, который хочет вырасти в инженера LLM-сервисов — всему, чего пока нет, научим.
Задачи
- Разрабатывать LLM-сервисы и ИИ-агентов на Python (FastAPI).
- Строить RAG-контур — база знаний (регламенты, учётная политика), векторный поиск, ответы строго по источникам.
- Подключать LLM к внутренним сервисам — 1С (выгрузки, HTTP-сервисы), базы данных, n8n, AnythingLLM.
- Доводить сервисы до продакшена — API, обработка ошибок, безопасность, наблюдаемость (видим, сколько тратим и что отвечаем).
- Поддерживать и развивать агентов — обновлять после смены модели или промпта, чинить инциденты, откатывать версии.
- Следить за трендами LLM/агентов и предлагать, что применимо у нас.
Требования
- Python — уверенное владение, типизация, async/await, ООП, unit-тесты, Git.
- Коммерческий опыт от 1 года или сильные пет-проекты — оцениваем по коду, а не по строчке в резюме.
- Опыт вызова LLM через API (OpenAI-совместимые) — промптинг, structured output, tool calling. Пет-проекты считаются.
- Понимание ограничений LLM — галлюцинации, недетерминизм, стоимость, латентность. Честное «не знаю» лучше выдумки, это у нас принцип.
- Понимание агентного цикла «модель → вызов инструмента → результат» — и когда агент не нужен, а хватит простого пайплайна.
- Базовые FastAPI (или аналогичный фреймворк) и SQL.
Будет плюсом
- RAG-тонкости — embeddings, векторные хранилища (pgvector/Qdrant/FAISS), chunking, faithfulness (ответ не выдумывает сверх найденного).
- Наблюдаемость — трассировка запросов (сколько шагов делает модель, какие инструменты вызывает, сколько стоит). Langfuse/Phoenix/OpenTelemetry — плюс.
- Evals — набор проверочных кейсов и прогон регресса при смене промпта или модели.
- MCP (Model Context Protocol) — подключение агентов к 1С идёт через MCP, покажем и научим.
- Безопасность финансовых данных — prompt injection, read-only по умолчанию, секреты в env, лимиты и журналирование. Покажем, как устроено у нас.
- Docker, CI/CD, Linux на рабочем уровне.
- Локальные/self-hosted модели (Ollama, vLLM) — основная платформа Cloud.ru.
- n8n, AnythingLLM.
- Знание 1С, финансов/бухгалтерии — плюс.
Условия
- Гибридный формат — офис (г. Челябинск) и работа из дома.
- Команда, где ценится качество и честность; наставник рядом, рост до инженера LLM-сервисов.
- Работа на стыке классической разработки, инфраструктуры и ИИ.
- Уровень заработной платы обсуждается индивидуально с успешным кандидатом по результатам собеседования.
- Занятость: полная, график 5/2, рабочие часы: 8.
Инструменты в вакансии
Навыки и технологии
Направления