Senior Software Engineer — AI-агенты и LLM

Worth AI — компания в сфере AI-онбординга и андеррайтинга для финтеха, кредиторов, платёжных процессоров и финансовых организаций. Платформа объединяет онбординг и андеррайтинг в единую AI-систему; агенты работают с регулируемыми финансовыми данными.

Задачи

• Проектировать и выпускать многошаговые агентные системы (planner/executor, tool-using, multi-agent, human-in-the-loop) для автоматизации KYB, андеррайтинга, проверки кейсов и мониторинга рисков.
• Архитектурировать графы агентов в LangGraph (или аналогичных фреймворках CrewAI, AutoGen, Claude Agent SDK) с явным состоянием, надёжным выполнением, повторами и безопасными fallback-ами.
• Строить и укреплять слой поиска (retrieval) для агентов: стратегии чанкинга, гибридный поиск, реранкинг и обоснованные цитаты по данным SoS, IRS, банковским данным и графу Worth из 700M+ SMB.
• Отвечать за стек оценок (evals): golden sets, офлайн-регрессионные наборы, LLM-as-judge, онлайн A/B и shadow evals, red-teaming на джейлбрейки, prompt injection и утечки PII.
• Подключать агентов к продакшен-системам Worth через типизированные инструменты, MCP-серверы и существующие сервисы (decisioning engine, case management, crosswalking).
• Вести production MLOps для агентов: деплой, версионирование, управление трафиком, бюджеты по стоимости и задержке, observability (трейсы, расход токенов, успешность вызовов инструментов), on-call playbooks для инцидентов с агентами.
• Работать с безопасностью, комплаенсом и юристами для соблюдения SOC 2, GDPR, CCPA и fair-lending.
• Переводить неоднозначные продуктовые гипотезы в конкретные дизайны агентов, прототипы и выпущенные фичи.
• Менторить инженеров по агентным паттернам, гигиене промпт-инжиниринга, дисциплине evals и режимам отказа LLM-систем.
• Следить за новыми моделями, фреймворками и паттернами и приносить то, что реально работает в продакшене.

Технологический стек

• Языки и среды: Python, Node.js, TypeScript
• Агентные/LLM-фреймворки: LangGraph, LangChain, Claude Agent SDK, MCP, OpenAI SDK
• Модели: Anthropic Claude, OpenAI, open-weight (Llama, Mistral)
• Retrieval и данные: PostgreSQL, pgvector / vector DBs, OpenSearch, Kafka, Redshift, Redis
• Инфраструктура и оркестрация: AWS, Kubernetes (EKS), ArgoCD, Terraform
• Evals и observability: LangSmith / Langfuse / Braintrust-style tooling, DataDog, кастомные eval-харнессы

Требования

• 8+ лет профессионального опыта в разработке ПО, из них минимум 2 года создания продакшен LLM или агентных систем (не только ноутбуки или демо).
• Прочный опыт в software engineering: фронтенд, API, асинхронные паттерны, очереди, базы данных и режимы отказа распределённых систем.
• Подтверждённое владение крупными фичами или подсистемами в продакшене.
• Опыт менторства junior-инженеров и повышения стандартов качества команды.
• Опыт работы с event-driven системами: обогащение, повторы, dead-lettering, backpressure.
• Опыт управления контейнеризованными приложениями в Kubernetes, EKS, ArgoCD, operators, Kustomize.
• Глубокий практический опыт как минимум с одним современным агентным фреймворком (LangGraph предпочтительно) и подтверждённый опыт выпуска агентов, которые реально работают, корректно падают и восстанавливаются.
• Реальный опыт с evals: построение golden sets, офлайн- и онлайн-оценки, использование их для решений ship/no-ship.
• Свободное владение production MLOps: деплой LLM-нагрузок при реальных ограничениях по задержке, стоимости и надёжности, инструментирование выпускаемого.
• Уверенное владение Python; комфортная работа с TypeScript / Node.js для интеграции с сервисами Worth.
• Чёткая и калиброванная коммуникация: способность объяснять компромиссы агентов продукту, безопасности и клиентам без общих слов.
• Работа с extreme ownership в неоднозначных, быстро меняющихся условиях.