Вакансии для ML-инженеров с RAG
Вакансии для ML-инженеров с RAG: подборка ролей, где в задачах или стеке указан RAG. Можно найти работу в этом направлении и сразу смотреть релевантные…
Фильтр вакансий
Senior LLM-инженер, специалист по тонкой настройке и RAG
Обязанности - Тонкая настройка фундаментальных моделей с использованием LoRA/QLoRA, RLHF/DPO и инструктивной настройки для доменных задач и терминологии. - Построение агентных и инструментальных рабочих процессов, связывающих LLM с внутренними инженерными инструментами и источниками данных. - Проектирование оценочных стендов для проверки фактологичности и точности. - Обеспечение защиты от галлюцинаций и внедрение предохранительных механизмов безопасности. - Построение RAG-пайплайнов с Azure AI Search. - Создание структурированных систем вызова инструментов и функций на основе тонко настроенных моделей Azure OpenAI. - Развертывание и оптимизация инференса с использованием квантизации, KV-cache, vLLM и TensorRT-LLM в Azure Kubernetes Service. - Поддержание надежности, безопасности и экономической эффективности тренировочных и инференс-нагрузок Azure AI/ML совместно с ML-инженерами, дата-сайентистами и командами MLOps. Требования - 8+ лет общего опыта в ML/AI-инженерии с глубокой практической работой с LLM и фундаментальными моделями. - Подтвержденный опыт тонкой настройки моделей с использованием LoRA/QLoRA/PEFT, полной тонкой настройки или предобучения в некотором масштабе. - Практический опыт с RLHF, RLAIF, DPO или инструктивной настройкой. - Свободное владение Python. - Глубокое владение PyTorch. - Твердое понимание внутреннего устройства архитектуры трансформеров. - Практический опыт построения RAG-пайплайнов, эмбеддингов и векторного поиска, а также агентных или инструментальных LLM-систем. - Знакомство с Azure OpenAI, Azure AI Foundry или аналогичной облачной LLM-платформой. Желательно - Опыт работы непосредственно с Azure OpenAI Service и Azure AI Foundry. - Опыт оркестрации LLM-управляемой генерации кода или структурированных выходных данных для технических и инженерных доменов. - Опыт распределенного обучения на мульти-GPU и мультинодных кластерах с использованием DeepSpeed или FSDP. - Публикации, посты в блогах или вклад в open-source в области генеративного ИИ. Условия - Переменная оплата в виде денежного бонуса или в другой форме. - Медицинская, стоматологическая и офтальмологическая страховка. - Гибкие расходные счета и сберегательные счета на медицинские расходы. - Страхование жизни, от несчастных случаев и инвалидности. - Пенсионные льготы. - Оплачиваемый отпуск и отгулы. - Образовательная поддержка. - Помощь при бесплодии. - Оплачиваемый отпуск по уходу за ребенком. - Помощь при усыновлении. - Гибкий формат работы.
Middle ML-инженер, специализации LLM и RAG
Компания Ростелеком — крупнейший в России интегрированный провайдер цифровых решений. Чем предстоит заниматься - Планирование архитектуры приложений с использованием LLM в качестве основной технологии - Разработка ML-бэкендов и микросервисов для обеспечения функциональности и интеграции различных сервисов - Оптимизация текущих решений с акцентом на производительность и управление нагрузкой (onnx, openvino, tensorrt) Наши пожелания к кандидатам - Опыт работы в роли MLE от 2 лет - Уверенное знание Python и опыт разработки сетевых/асинхронных приложений - Широкая насмотренность в области LLM, RAG - Знание Docker, CI/CD, FastAPI и SQL Условия - Формат работы: возможна полная или частичная удалённая работа из России, также офисы в Москве, Краснодаре, Новосибирске
Middle промпт-инженер, голосовые AI-агенты
Международная SaaS-компания ищет промпт-инженера в команду Professional Services для создания и настройки голосовых AI-агентов. Задачи - Разрабатывать промпты для AI-агентов. - Работать с Function Calling / Tools Calling и RAG. - Настраивать Tone of Voice и сценарии диалогов. - Тестировать ботов и улучшать их по обратной связи. - Собирать прототипы AI-агентов в no-code. - Работать с голосами и взаимодействовать с разработчиками. Требования - От 2 лет опыта с промптами для голосовых AI-агентов. - Понимание LLM и диалоговых сценариев. - Опыт тестирования и оптимизации промптов. - Понимание ограничений LLM. - Опыт с Function Calling / RAG. - Плюсом будет опыт с TTS/STT и Voice AI. Условия - Удалённая работа. - Аккредитованная IT-компания. - Гибкое начало рабочего дня. - ДМС или обучение языкам за счёт компании. - Современный софт и оборудование.
AI-инженер по генеративному ИИ и обработке документов
О компании MaintainX — ИИ-платформа для обслуживания и управления активами. Обслуживает более 14 000 клиентов, включая Duracell, Shell, Cintas и Brenntag. Компания привлекла $150 млн в раунде Series D под руководством Bessemer Venture Partners и Bain Capital Ventures, общий объём финансирования — $254 млн. Входит в рейтинг Forbes 2025 Cloud 100. Платформа управляет 13,9 млн активами, 79,5 млн выполненными заказами на работы, 150 000+ техников еженедельно генерируют операционные данные. Document Intelligence — горизонтальный движок, который превращает любые файлы клиентов в структурированные знания для обслуживания и ИИ-сущности на их основе. Роль Вы будете отвечать за часть Generation в Document Intelligence: превращение мультимодальных примитивов (ключевые кадры, транскрипты, OCR) в валидные по схеме сущности, такие как SOP, и контроль качества, чтобы «быстро» не означало «быстро и неправильно». Обязанности: - Разрабатывать и итерировать промпты рецептов (системные, few-shot, сборка контекста) для каждого рецепта генерации. - Определять целевые схемы сущностей и доменные валидаторы (правила типов шагов процедур, ограничения полей), которым должен соответствовать вывод. - Создавать eval-датасеты и рубрики для оценки качества генерации (офлайн и онлайн), запускать их на eval-пайплайне LLMX и закрывать цикл при регрессии качества. - Собирать мультимодальные контекстные окна из ключевых кадров, транскриптов и OCR, чтобы каждый вызов модели получал именно то, что нужно. - Выбирать модель и бюджет токенов для каждого рецепта на основе качества, стоимости и задержки. Вы будете использовать LLMX для доступа к моделям и Attachments для приёма данных, а также передавать валидированные сущности доменным командам. Вы будете подчиняться инженерному лиду и тесно работать с частью Processing в Document Intelligence. Минимальные требования - Сильные навыки прикладного GenAI: промпт-инжиниринг, структурированный вывод / использование инструментов, RAG и паттерны работы с ретрив-контекстом. - Реальная дисциплина eval: вы создавали датасеты и рубрики, измеряли фактологичность/релевантность/качество и самостоятельно закрывали цикл по регрессиям. - Вы запускали LLM-фичи в продакшн-сервисы, а не в ноутбуки, и можете связать производительность модели с влиянием на продукт. - Уверенная работа с мультимодальными входами: видео, PDF, аудио, изображения — преобразование в текст или структурированный вывод. Желательно - Опыт наблюдаемости LLM / понимание стоимости или опыт работы с eval-платформой. - Понимание документов, PDF или видео; OCR; системы поиска. - Лёгкий опыт fine-tuning или знакомство с промышленным/обслуживающим доменом. Условия - Конкурентная зарплата и значительные опционы на акции. - Медицинская, стоматологическая и офтальмологическая страховка. - Программа 401(k) / RRSP. - Отпуск по потребности (Take what you need PTO). - Рабочая культура: работа с коллегами по всему миру, разделяющими ценности MaintainX: Smart Humble Optimists. Компания верит в меритократию, идеи и усилия публично отмечаются. Миссия — предоставить единую платформу для команд обслуживания, ремонта и эксплуатации, чтобы поддерживать работу физического мира. MaintainX стремится к созданию разнообразной среды. Все квалифицированные кандидаты получат рассмотрение независимо от расы, цвета кожи, религии, пола, гендерной идентичности или выражения, сексуальной ориентации, национального происхождения, генетики, инвалидности, возраста или статуса ветерана.
Senior AI-инженер платформы и инструментов
О роли Crunchyroll — сервис, доставляющий аниме и мангу более чем 100 миллионам фанатов в 200+ странах и территориях. В команде AI Enablement (AIEN) открыта позиция Senior AI Platform & Tools Engineer. Роль входит в команду Tools & Governance платформы внутри AIEN, подчиняется AI Platform, Strategy & Governance Lead. Это ранняя небольшая команда, поэтому предполагается универсальность и ведение функций от дизайна до продакшена. Чем предстоит заниматься - Создание платформы оценки AI: автоматизированные инструменты для структурированных оценок (возможности, стоимость, задержка, поведение, надёжность) в масштабе, а не разовых ручных проверок. - Внедрение телеметрии использования и затрат по одобренному стеку AI: расход токенов, загрузка лицензий, расходы по вендорам и обнаружение отклонений в одобренных инструментах. - Автоматизация AI-управления: триаж заявок, конвейеры оценки, маршрутизация согласований и enforcement политик как код, интегрированные с агентами Glean и процессами JSM. - Разработка golden-path шаблонов, эталонных архитектур и переиспользуемых компонентов — паттернов RAG, каркасов агентов, библиотек промптов, eval-инструментов — на которых строит команда Build & Partner. - Администрирование и настройка одобренных корпоративных AI-инструментов Crunchyroll, включая ChatGPT, Glean, Claude и Gemini; управление настройками, паттернами доступа, включением функций и операционными изменениями совместно с IT и Security. - Отслеживание новых версий и изменений продуктов в одобренных AI-инструментах, оценка целесообразности внедрения и организация раскатки для максимальной пользы сотрудников. - Сделать платформу путём наименьшего сопротивления, чтобы решения AIEN по умолчанию следовали golden-путям и стандартам, и улучшать ключевые метрики (время оценки, принятие golden-путей). - Создание агентов и рабочих процессов средней сложности для нетехнических команд на одобренных AI-платформах с соблюдением стандартов AIEN по безопасности, управлению, поддерживаемости и измеримости. - Совместная работа с AI Security Engineer для встраивания необходимых контролей, обнаружения и предотвращения угроз в платформу, чтобы безопасность обеспечивалась на уровне платформы, а не добавлялась к каждому проекту отдельно. - Работа универсалом в небольшой команде: ведение функций от дизайна до продакшена и помощь в установлении инженерных паттернов, на которых команда будет масштабироваться. Требования - 6+ лет опыта в разработке ПО или платформенной инженерии, включая создание инструментов или сервисов, используемых другими инженерами. - Практический опыт администрирования, настройки или поддержки корпоративных SaaS-инструментов, AI-платформ или внутренних продуктовых платформ в производственной бизнес-среде. - Сильные навыки разработки ПО (например, Python, плюс Go/TypeScript или аналогичные) — создание продакшен-инструментов, а не прототипов. - Рабочее понимание устройства современных AI-систем: LLM API, RAG, агентные фреймворки, методологии оценки и основы инференса. - Опыт создания автоматизации, конвейеров данных или внутренних инструментов для разработчиков. - Опыт создания практических AI-агентов, ассистентов или автоматизации рабочих процессов для бизнес-пользователей, включая сбор требований, дизайн промптов и процессов, тестирование, внедрение и итерации. - Опыт ведения функций от начала до конца в небольшой команде: дизайн, разработка, выпуск, итерации. - Чёткая письменная коммуникация — ваши инструменты и документация должны использоваться другими инженерами.
Staff AI-инженер, агентные ИИ-системы
О роли Acquia ищет Staff AI-инженера в команду AI Core Engineering. Это прежде всего практическая инженерная роль: большую часть времени вы будете проектировать, создавать и выпускать продакшн-агентные ИИ-процессы в Acquia DXP. Основные инструменты — LangGraph, Temporal, Pydantic и LangFuse. Также предусмотрена лёгкая, но значимая менторская роль: помощь в повышении ИИ-инженерных навыков коллег по мере роста команды. Обязанности - Ежедневно писать и выпускать продакшн-код для ИИ. - Проектировать агентные ИИ-процессы с использованием LangGraph, Temporal, Pydantic — многоагентные процессы с сохранением состояния, рассчитанные на корпоративный масштаб и надёжность. - Отвечать за наблюдаемость ИИ через LangFuse: трассировка, версионирование промптов, оценка и бенчмаркинг производительности всех взаимодействий с моделями. - Задавать стандарты ИИ-инженерии для паттернов агентов, RAG, управления промптами, оптимизации контекста и стратегий вызова инструментов. - Взаимодействовать с командами продукта и платформы для создания ИИ-архитектур, отвечающих корпоративным требованиям SLA, безопасности и соответствия. - Оценивать и внедрять новые инструменты: бенчмаркинг LLM-провайдеров, оркестрационных фреймворков и улучшений агентного стека. - Наставлять инженеров через код-ревью, парное программирование и дизайн-обсуждения. - Представлять ИИ-возможности Acquia в архитектурных обзорах клиентов, техническом исследовании и обсуждениях дорожной карты. Требования - 8+ лет в разработке ПО, из них 3+ года в продакшн-разработке ИИ-агентов. - Практический опыт с LangGraph, Temporal, Pydantic — процессы с сохранением состояния, циклические, многоагентные, в корпоративном масштабе. - Практический опыт с LangFuse — трассировка, оценка, управление промптами и тестирование на основе датасетов. - Владение фреймворками для агентов, такими как LangChain или аналоги (LlamaIndex, CrewAI) — компоновка цепочек, инструментов, памяти и пайплайнов поиска. - Глубокое знание Python и сильные инженерные основы (тестирование, CI/CD, архитектура). - Опыт облачного развёртывания ИИ (AWS, Azure или GCP), включая контейнеризацию и управление стоимостью инференса. - Знание архитектуры RAG — векторные базы данных, модели эмбеддингов и стратегии поиска. - Степень бакалавра в Computer Science или эквивалентный практический опыт. Желательные навыки - Опыт в корпоративном SaaS или CMS, включая знакомство с DXP Acquia на базе Drupal. - Свободное владение агентным процессом разработки — ИИ-ассистирующие инструменты (Copilot, Cursor, Claude) как повседневные ускорители. - Знакомство с персистентными рантаймами агентов — такими как OpenClaw и Hermes Agent, понимание кросс-сессионной памяти, автономного создания навыков и постоянно работающей инфраструктуры агентов. - Опыт тонкой настройки LLM или оценки моделей, понимание компромиссов фундаментальных моделей.
AI-разработчик, Enterprise Data и Intelligent Automation
Мы ищем AI-разработчика для создания интеллектуальных решений по управлению неструктурированными данными и интеллектуальной обработке документов (IDP). Вы будете участвовать во всем жизненном цикле разработки — от концепции до развертывания — облачных систем, которые безопасно управляют, обрабатывают и используют неструктурированные данные в масштабе предприятия. Это стратегическая техническая роль, сочетающая AI-инжиниринг, backend-разработку и архитектуру корпоративных данных. Вы будете работать с AWS (Bedrock, S3, compute), Snowflake, векторными базами данных, агентными AI-фреймворками (Agent Core, LangGraph, MCP), паттернами интеграции агент-к-агенту (A2A) и платформами оркестрации рабочих процессов. Ключевые обязанности: - Разработка AI-решений для IDP: создание пайплайнов интеллектуальной обработки документов, которые извлекают, классифицируют и обогащают неструктурированные данные с помощью современных подходов AI/ML. - Архитектура и внедрение в облаке: проектирование и реализация масштабируемых, безопасных решений на AWS (S3, compute, networking), платформах данных Snowflake и инфраструктуре векторных баз данных. - Агентный AI и автоматизация: разработка и интеграция автономных агентов с использованием фреймворков Agent Core, LangGraph и Model Context Protocol (MCP) для обработки и маршрутизации корпоративных данных с минимальным участием человека. - Интеграция агент-к-агенту (A2A): создание и внедрение паттернов A2A-коммуникации, позволяющих автономным системам координировать и передавать работу внутри предприятия. - Оркестрация рабочих процессов: проектирование, создание и эксплуатация сложных production-grade процессов с использованием фреймворков оркестрации (например, Step Functions, Airflow, Temporal); обеспечение надежности, аудируемости и соответствия требованиям. - Реализация векторных баз данных: архитектура и внедрение решений на векторных базах данных для поддержки семантического поиска, RAG-пайплайнов и retrieval на основе эмбеддингов в масштабе. - Backend и разработка сервисов: создание синхронных и асинхронных сервисов, API и микросервисов для приема, обработки и дальнейшего потребления документов. - Управление данными и безопасность: применение принципов управления данными — каталогизация, происхождение, хранение, защита данных — с учетом требований здравоохранения (HIPAA) и безопасности как основы. - Наставничество и взаимодействие: работа с дата-инженерами, платформенными командами и бизнес-заинтересованными сторонами для преобразования требований в технические решения; наставничество младших инженеров. Требования: - 5 лет профессионального опыта разработки ПО, из них минимум 2 года — в AI/ML-разработке или дата-инжиниринге в production-среде. - Практический опыт работы с векторными базами данных (например, Pinecone, Weaviate, OpenSearch, pgvector или аналогичными) для поддержки RAG или семантического поиска. - Непосредственный production-опыт с A2A (agent-to-agent) фреймворками и паттернами. - Подтвержденный опыт работы с инструментами оркестрации рабочих процессов (AWS Step Functions, Apache Airflow, Temporal или эквивалент) в production. - Опыт работы с MCP (Model Context Protocol) для подключения агентов и инструментов к данным и сервисам. - Практический опыт работы с Agent Core или эквивалентным агентным AI-фреймворком. - Непосредственный опыт работы с AWS Bedrock для развертывания и интеграции фундаментальных моделей. - Практический опыт работы с AWS S3 и основными AWS compute-сервисами. - Общее владение платформой AWS (EC2, networking, основы безопасности). - Production-опыт работы со Snowflake или эквивалентным современным облачным хранилищем данных. - Владение backend-разработкой: создание масштабируемых API, микросервисов или событийно-ориентированных систем. - Опыт AI/ML-разработки: создание, обучение, развертывание и эксплуатация AI-моделей; рабочие знания LLM, фундаментальных моделей, промпт-инжиниринга и RAG-архитектур. - Практики корпоративной разработки ПО: CI/CD, тестирование, код-ревью, лучшие практики безопасности и соответствие регуляторным требованиям (опыт в здравоохранении — весомое преимущество). Предпочтительные требования: - Непосредственный опыт в интеллектуальной обработке документов (IDP), OCR, ICR, NLP или извлечении информации. - Опыт работы с LangGraph или аналогичными фреймворками оркестрации агентов. - Промпт-инжиниринг и RAG для доменно-специфичных приложений. - Опыт работы в сфере здравоохранения. - Вклад в проекты по неструктурированным данным и AI. - Продвинутая степень (BS/MS) в Computer Science, Data Science или смежной области. - Опыт работы в нескольких доменах (здравоохранение, финансовые услуги и т.д.). - Опыт работы с методологиями Agile, Waterfall или гибридной доставки. Требуемый опыт работы: 5 лет соответствующего опыта; профессиональный опыт технического проектирования и написания кода в IT-индустрии. Требуемое образование: профильный бакалаврский диплом или эквивалентный соответствующий опыт работы.
Senior AI-разработчик, IDP и агентные системы
Местоположение: удалённо. Оплата: 58–63 $/час, контракт W2. Мы ищем Senior AI-разработчика для создания следующего поколения решений для интеллектуального управления неструктурированными данными и интеллектуальной обработки документов (IDP) для предприятий. Вы будете участвовать в полном жизненном цикле разработки — от концепции до развертывания — облачных систем, которые безопасно управляют, обрабатывают и используют неструктурированные данные в масштабе предприятия. Это стратегическая техническая роль, сочетающая AI-инженерию, бэкенд-разработку и корпоративную архитектуру данных. Вы будете работать с AWS (Bedrock, S3, compute), Snowflake, агентными AI-фреймворками (AgentCore, LangGraph и др.), решениями автоматизация-к-автоматизации (A2A) и платформами оркестрации рабочих процессов. Основные обязанности - Разработка AI-решений для IDP: создание конвейеров интеллектуальной обработки документов, которые извлекают, классифицируют и обогащают неструктурированные данные с использованием современных подходов AI/ML. - Облачная архитектура и реализация: проектирование и внедрение масштабируемых, безопасных решений с использованием AWS (S3, compute, networking), платформ данных Snowflake и связанных управляемых сервисов. - Агентный AI и автоматизация: разработка и интеграция автономных агентов с использованием фреймворков AgentCore и LangGraph для обработки и маршрутизации корпоративных данных с минимальным участием человека. - Оркестрация рабочих процессов: проектирование и реализация сложных production-grade рабочих процессов с использованием оркестрационных фреймворков; обеспечение надежности, аудируемости и соответствия требованиям. - Бэкенд-разработка и сервисы: создание синхронных и асинхронных сервисов, API и микросервисов для поддержки приема, обработки и последующего использования документов. - Управление данными и безопасность: применение принципов управления данными, таких как каталогизация, происхождение, хранение, защита данных, с соблюдением требований здравоохранения (HIPAA) и безопасности как основополагающего требования. - Наставничество и сотрудничество: взаимодействие с инженерами данных, платформенными командами и бизнес-заинтересованными сторонами для преобразования требований в технические решения; наставничество младших инженеров. Требования - Опыт работы: от 5 лет в профессиональной разработке ПО, из них не менее 2 лет в разработке AI/ML или инженерии данных в производственных средах. - Навыки бэкенд-разработки: подтвержденный опыт создания масштабируемых API, микросервисов или событийно-ориентированных систем. - Облачные платформы: практический опыт работы с AWS (S3, EC2 или аналоги) и современными хранилищами данных (Snowflake или аналоги). - AI/ML разработка: опыт создания, обучения, развертывания и эксплуатации AI-моделей; знание LLM, фундаментальных моделей, промпт-инжиниринга, RAG-архитектур и агентных фреймворков. - Оркестрация рабочих процессов: подтвержденный опыт работы с AWS Step Functions, Apache Airflow, Temporal или аналогичными инструментами в производстве. - Основы управления данными: уверенное понимание моделирования данных, архитектуры конвейеров, обеспечения качества и принципов управления. - Корпоративные практики разработки: уверенная работа с CI/CD, тестированием, код-ревью, лучшими практиками безопасности и регуляторными требованиями (опыт в здравоохранении — весомое преимущество). Обязательные технологии: Vector DB, A2A Framework, Workflow Orchestration/Development, MCP, Agent Core, Bedrock, S3, AWS, Snowflake. Образование: профильный бакалавр или соответствующий опыт работы. Предпочтительные квалификации - Опыт в интеллектуальной обработке документов (IDP), OCR, ICR, NLP или извлечении информации. - Практический опыт с агентными AI-фреймворками (AgentCore, LangGraph или аналоги). - Опыт с паттернами интеграции A2A (automation-to-automation). Льготы - Медицинская, стоматологическая и офтальмологическая страховка. - Гибкий счет на расходы на иждивенцев. - План 401(k). - Добровольное страхование жизни, краткосрочной нетрудоспособности, целой жизни, срочной жизни, от несчастных случаев и критических заболеваний. - Программа помощи сотрудникам. - Больничный в соответствии с нормативными требованиями.
Инженер по искусственному интеллекту II, агентные системы
ICON ищет прагматичного разработчика, который перешёл от традиционной разработки ПО к миру агентного ИИ. В роли инженера по ИИ в ICON вы будете отвечать за проектирование и внедрение инструментов, рабочих процессов и автономных агентов на базе ИИ, которые ускоряют работу платформы строительных технологий ICON. Должность подчиняется старшему директору программ оборонных технологий и доступна для удалённой работы с периодическими поездками в штаб-квартиру ICON в Остине, штат Техас, по мере необходимости. Обязанности - Проектировать и создавать агентные системы ИИ, автоматизирующие сложные многоэтапные рабочие процессы в программной платформе ICON. - Разрабатывать функции и продукты на основе LLM, используя современные фундаментальные модели и API (например, Anthropic, OpenAI). - Архитектура и реализация многогаентных конвейеров, систем использования инструментов и интеграций Model Context Protocol (MCP). - Создание надёжных RAG-систем, включая приём документов, стратегии разбиения, конвейеры эмбеддингов и векторный поиск. - Сотрудничать с командами разработчиков и профильными специалистами для выявления возможностей автоматизации с помощью ИИ и превращать их в готовые продукты. - Отвечать за полный жизненный цикл функций ИИ: прототипирование, оценка, развёртывание и итерации. - Выступать техническим ресурсом и неформальным наставником по лучшим практикам агентного ИИ в инженерной организации. - Быть на переднем крае агентного ИИ и внедрять новые методы в производство. Минимальные требования - 6+ лет профессионального опыта в разработке ПО с сильной базой в бэкенд или full-stack разработке. - Подтверждённый опыт создания и внедрения продуктов производственного уровня с использованием LLM и агентных фреймворков. - Владение TypeScript и/или Python. - Глубокое понимание промт-инжиниринга, управления контекстом и паттернов рассуждения LLM. - Опыт работы с инструментами, вызовом функций и оркестрацией агентов (например, LangChain, LlamaIndex, Claude Code или собственные реализации). - Умение проектировать и проводить структурированные оценки для измерения и улучшения производительности систем ИИ. - Отличные коммуникативные навыки и комфорт при работе с техническими и нетехническими заинтересованными сторонами. - Возможность получить и поддерживать допуск к секретной информации. Предпочтительные навыки и опыт - Опыт разработки и интеграции серверов MCP (Model Context Protocol). - Знакомство с векторными базами данных (например, pgvector, Pinecone, Weaviate). - Опыт с тонкой настройкой, RLHF или конвейерами оценки моделей. - Знание основ машинного обучения: эмбеддинги, трансформеры, механизмы внимания. - Опыт генерации структурированных выходных данных и извлечения данных на основе LLM. - Опыт работы с агентами генерации кода (например, Claude Code, Cursor, системы типа Devin). - Знакомство с AWS и серверной инфраструктурой для ИИ-нагрузок. - Опыт работы в государственных, оборонных или регулируемых средах. - Интерес или опыт в отрасли AEC (архитектура, инженерия, строительство). Диапазон оплаты: $126,400 - $180,000.
Вайбкодер начального уровня, генеративный ИИ
Обязанности - Создавать быстрые прототипы, proof-of-concepts, внутренние инструменты и приложения на базе ИИ с использованием современных практик разработки ПО и технологий генеративного ИИ. - Использовать AI-ассистированные инструменты разработки, такие как Cursor, Claude Code, GitHub Copilot, ChatGPT и аналогичные платформы, для ускорения разработки и экспериментов. - Разрабатывать full-stack приложения и сервисы с использованием React, Next.js, Node.js, Python, JavaScript/TypeScript или Golang. - Работать с большими языковыми моделями (LLM), Retrieval-Augmented Generation (RAG), промт-инжинирингом, AI-агентами и Model Context Protocol (MCP). - Проектировать и интегрировать REST API, микросервисы и компоненты приложений с поддержкой ИИ. - Экспериментировать с паттернами оркестрации ИИ и новыми инструментами разработчика, быстро превращая идеи в работающие решения. - Взаимодействовать с командами продукта, UX и инженерии для понимания требований и разработки инновационных прототипов. - Использовать Git и GitHub для контроля версий, совместной работы и управления кодом. - Тестировать, отлаживать, дорабатывать и документировать прототипы и приложения. - Отслеживать новые технологии генеративного ИИ, фреймворки, coding-ассистенты и методологии разработки. Требования - Сильные навыки программирования на Python, JavaScript/TypeScript, Golang или Node.js. - Опыт работы с React и/или Next.js. - Знание REST API, микросервисов и Git/GitHub. - Практический опыт работы с Cursor, Claude Code, GitHub Copilot, ChatGPT или аналогичными AI-ассистированными инструментами кодирования. - Понимание LLM, RAG-архитектур, промт-инжиниринга, AI-агентов и MCP. - Развитые навыки решения проблем, аналитического и креативного мышления. - Способность быстро осваивать новые технологии и экспериментировать с новыми инструментами. - Хорошие коммуникативные навыки и умение работать в команде. - Интерес к генеративному ИИ, быстрому прототипированию и AI-ассистированной разработке ПО. Опыт и образование - 0–2 года профессионального опыта разработки ПО. - Подтверждённый опыт создания программных проектов, прототипов, приложений или proof-of-concepts с использованием современных технологий разработки. - Опыт использования AI-ассистентов кодирования или инструментов генеративного ИИ для улучшения разработки строго предпочтителен. - Академический, личный, стажёрский, open-source или проектный опыт может рассматриваться вместо большого профессионального опыта. - Обязательно гражданство США. - Предпочтительно степень бакалавра в Computer Science, Software Engineering, Information Technology или смежной технической области; эквивалентное образование, обучение, курсы или подтверждённый технический опыт могут быть рассмотрены. - Требуются отличные устные и письменные коммуникативные навыки на английском и способность профессионально взаимодействовать с разными людьми. Условия - Удалённая работа на территории США. - Длительность: 12 месяцев. - Ожидаемая базовая зарплата: $114,000–$135,000. Предложения по зарплате основываются на навыках, обучении, опыте, образовании, рыночных факторах и, где применимо, лицензиях или сертификатах. - Также предлагается конкурентный пакет льгот. О компании - CTG, компания Cegeka, предоставляет ИТ- и бизнес-решения, повышающие цифровую гибкость клиентов. - Более 60 лет опыта. - Более 9 000 сотрудников в более чем 15 странах. - Работает в Америке, Европе и Индии, с более чем 3 000 клиентов в отраслях с высоким ростом.
Senior Data и LLM-инженер, агентные системы
О компании Blue Orange Digital — бутиковая data и AI консалтинговая компания, которая проектирует и создает современные платформы данных, аналитику и ML/AI-решения для клиентов среднего и крупного бизнеса в сферах Private Equity, финансовых услуг, здравоохранения и ритейла. Команды работают с технологиями Databricks, Snowflake, dbt и экосистемой Microsoft, превращая сложные реальные данные в надежные и применимые инсайты. Культура компании — builder-led, client-first: ценятся ответственность, четкая коммуникация и доведение работы до результата. О позиции Полная занятость, 6-месячный встроенный проект в среде данных private capital. Роль объединяет две части: примерно половина — старшая инженерия данных (Snowflake, dbt, Airflow, AWS, Python-загрузка данных), половина — старшая LLM/агентная инженерия (продакшн-агенты, MCP-серверы, практика оценки, наблюдаемость). Два ключевых направления работы: AI-Ready каталог данных и контекстный слой, создаваемый вместе с командой Data Analytics, и извлечение неструктурированных данных в масштабе. Сквозная тема обеих инициатив — агентная реализация, оценка и оркестрация. Это не роль по поддержке пайплайнов: нужен человек, который уже выводил агентов в продакшн и может честно рассказать, что ломалось. Задачи Агентная разработка (основной фокус): - Создание продакшн-агентов и многошаговых агентных процессов. - Проектирование и реализация MCP-серверов и интерфейсов инструментов как основного слоя интеграции между агентами и платформой данных, включая кастомные внутренние MCP-серверы над проприетарными наборами данных. - Архитектурные решения: агент против детерминированного пайплайна, один агент против нескольких, места для human-in-the-loop проверок. Оценка и наблюдаемость агентов: - Создание практики оценки с нуля: eval-датасеты, LLM-as-judge, регрессионное тестирование. - Определение и отслеживание метрик: success rate, faithfulness, точность извлечения, корректность вызовов инструментов, задержка, стоимость запуска. - Инструментирование трассировки и наблюдаемости агентных запусков. Агентская оркестрация: - Управление агентными нагрузками в Airflow 3.x на Astronomer: LLM и агентные вызовы как именованные, независимо повторяемые задачи; dynamic task mapping для fan-out/fan-in; assets и data-aware scheduling для событийных триггеров; deferrable operators для длительных вызовов; human-in-the-loop операторы для согласований. - Проектирование нагрузок, которые не должны жить в DAG: длительные или интерактивные агенты на AWS ECS/Fargate, очередь и событийно-управляемое выполнение, API-триггерные сервисы. Четкое объяснение границы оркестрации и причин такого разделения. AI-Ready каталог и семантический контекст: - Моделирование семантических определений поверх Snowflake и dbt: метрики, связи сущностей, бизнес-глоссарий, владельцы данных — чтобы агенты получали управляемый смысл, а не сырые имена таблиц. - Создание и поддержка Snowflake Semantic Views и семантических моделей Cortex Analyst, синхронизация с dbt как источником истины. - Настройка версионирования, тестирования и продвижения контекста. Метаданные и управление: - Сбор lineage, freshness, описаний на уровне колонок, классификации, тегов чувствительности и сигналов использования. - Автоматизация генерации описаний и тегов с помощью LLM там, где это безопасно, с обязательным человеческим контролем. - Оценка инструментов каталога и метаданных, подготовка рекомендации build-vs-buy. Извлечение неструктурированных данных: - Проектирование пайплайнов извлечения из PDF, презентаций, таблиц, email и веб-контента, включая документы со сложной структурой и вложенными таблицами. - Схемно-ограниченное извлечение через structured outputs и tool calling с frontier LLM API и Cortex LLM functions, с confidence scoring, ссылками на исходную страницу и явной обработкой полей с низкой уверенностью. - Реализация стратегий chunking, embedding и retrieval для RAG и агентного поиска. - Проектирование цикла человеческой проверки: что принимается автоматически, что эскалируется, как исправления возвращаются в eval-датасеты. Старшая инженерия данных и архитектура: - Определение и реализация архитектурных решений для скорости и масштабируемости пайплайнов, включая tiered/medallion-структуры. - Внедрение лучших практик продвинутого ELT, управления данными и качества данных. - Определение и контроль политик безопасности данных и контроля доступа на пайплайнах и платформах. - Создание и поддержка Python-пайплайнов загрузки (dlt и аналоги) для REST API, SaaS-коннекторов, файловых загрузок и инкрементальной загрузки в Snowflake. - Участие в моделях dbt, тестах и документации. Требования - Глубинная экспертиза в агентных системах. - Опыт вывода агентов в продакшн и способность честно рассказать о возникших проблемах. - Опыт старшей инженерии данных: Snowflake, dbt, Airflow, AWS, Python-загрузка данных. Условия - Полная занятость. - 6-месячный встроенный проект в среде данных private capital.
AI-инженер, LLM и генеративный ИИ
Anika Systems — технологическая компания, которая помогает федеральным агентствам решать сложные бизнес-задачи. Услуги охватывают AI-стратегию, интеллектуальный анализ данных, машинное обучение, интеллектуальную автоматизацию и инженерию, с фокусом на программы национальной безопасности и федерального финансирования. Позиция удаленная, но в соответствии с федеральными контрактными требованиями возможен частичный или полный возврат в офис в будущем. Требуется гражданство США и возможность получить допуск к государственной тайне. AI-инженеры проектируют и внедряют продакшн-системы ИИ в коммерческих и федеральных проектах. Это hands-on роль в небольшой команде senior-специалистов. Инженеры отвечают за работу от начала до конца: данные, интеграция моделей, сервисы, UI, инфраструктура, безопасность и деплой. Ожидается принятие технических решений в условиях федеральных требований по соответствию, безопасности и закупкам. Требования: - Степень бакалавра в области компьютерных наук, компьютерной инженерии, науки о данных, вычислительной лингвистики или смежной области; магистерская степень приветствуется. - 1–3 года профессионального опыта в создании и запуске ML или NLP-систем, включая решения на основе LLM или генеративного ИИ. - Сильный продакшн-опыт в Python и TypeScript, включая современные веб-фреймворки (FastAPI, React). - Опыт интеграции LLM в реальные приложения: стриминг, вызов функций, учет токенов, обработка ошибок, на одной из платформ: OpenAI, Anthropic, Bedrock, Vertex или Azure OpenAI. - Опыт проектирования агентных систем: многошаговые рабочие процессы, RAG, оценка, контроль с участием человека. - Уверенное моделирование реляционных данных на PostgreSQL с асинхронным ORM и инструментами миграций. - Владение AWS (compute, storage, IAM, secrets, networking, observability) и infrastructure-as-code, желательно Terraform. - Понимание OAuth/OIDC, JWT, RBAC, изоляции мультитенантности и принципа наименьших привилегий. - Дисциплинированные привычки тестирования, линтинга и проверки типов; понятные диффы и четкая письменная коммуникация. Желательные навыки: - Опыт работы с федеральными программами: NIST 800-53, FedRAMP, FISMA, процесс ATO или требования к обработке данных агентств. - Опыт с Keycloak или другим OIDC-провайдером, мультитенантность на основе RLS или zero-trust дизайн приложений. - Знание платформ data/lakehouse (Databricks, Snowflake) и SQL за пределами CRUD. - Document AI/OCR-пайплайны и модернизация легаси-процессов. - Продакшн-наблюдаемость (CloudWatch, OpenTelemetry, Grafana) и опыт реагирования на инциденты. - Укрепление цепочки поставок: SBOM, сканирование зависимостей, подписанные сборки, моделирование угроз.
Инженер 1 по разработке агентных ИИ-решений
О команде и роли Nordstrom инвестирует в ИИ как ключевой драйвер розничных инноваций. Команда AI Agentic Solutions отвечает за превращение этих инвестиций в результаты. Мы определяем «искусство возможного» с агентами — сотрудничаем с бизнес- и технологическими командами, чтобы определить, где агентный ИИ может изменить работу Nordstrom, и проектируем и создаём такие решения от начала до конца в областях коммерции, персонализации, управления запасами и обслуживания клиентов. Команда находится на пересечении четырёх дисциплин: инженерия агентов, контекстная инженерия, оценки и защитные механизмы, а также управление памятью и состоянием для агентных решений. В роли Engineer 1 вы начинаете карьеру и строите фундамент в инженерии агентного ИИ. Вы работаете под руководством старших инженеров над чётко очерченными задачами — реализуете компоненты агентов, пишете тесты и учитесь тому, как создаются, оцениваются и эксплуатируются продакшн-системы агентов. Эта роль подходит тем, кто находится в начале карьеры, интересуется прикладным ИИ и хочет вырасти в полноценного инженера агентных решений. Чем предстоит заниматься - Реализовывать отдельные компоненты агентных решений — интеграции инструментов, шаблоны промптов, шаги поиска — под руководством старших инженеров, писать чистый, хорошо протестированный код и документировать работу. - Учиться применять контекстную инженерию — что видит агент, когда и почему — и активно получать знания о LLM, агентных фреймворках и промпт-инжиниринге для применения в работе. - Помогать создавать и запускать скрипты оценки и офлайн-бенчмарки для проверки безопасности, точности и надёжности поведения агентов. - Участвовать в дежурствах (on-call) и ревью дизайна, учиться отлаживать проблемы и выявлять компромиссы по своим компонентам. - Добавлять базовую инструментацию — логирование, метрики, алерты — в создаваемые системы и следовать инженерным стандартам и стандартам безопасности Nordstrom, включая безопасную обработку чувствительных данных. - Сотрудничать с коллегами из инженерии, продуктовых и бизнес-команд, чтобы понимать, как ваша работа вписывается в общее решение. Требования Обязательные: - 1+ год профессионального опыта в разработке ПО (стажировки учитываются) или профильный сертификат (например, буткемп). - Владение ИИ: практический опыт работы с LLM или API фундаментальных моделей (OpenAI, Anthropic, Google и т.п.) — через курсы, проекты, стажировки или профессиональный опыт. - Искренний интерес к агентному ИИ — как агенты используют инструменты, получают контекст и совершают действия — и желание развивать продакшн-навыки в этой области. - Твёрдые основы CS: структуры данных, алгоритмы, объектно-ориентированное проектирование, а также знакомство с RESTful API, JSON и взаимодействием сервисов. - Базовое понимание практик тестирования ПО и систем контроля версий (например, Git). - Готовность изучать современные агентные фреймворки: LangGraph, CrewAI, Semantic Kernel или Claude Agent SDK. - Развитые навыки устного и письменного общения, нацеленность на сотрудничество и обратную связь. Желательно: - Курсы, личные проекты или стажировки с промпт-инжинирингом, RAG или векторными базами данных. - Опыт работы с облачными платформами AWS или GCP. - Знакомство с контейнеризацией (Docker) и основами CI/CD. - Интерес или курсы в области розницы, электронной коммерции или цепочек поставок. - Вклад в open-source ИИ-проекты или личные эксперименты с LLM-приложениями. Условия - Гибридный формат, Сиэтл, Вашингтон. - Вилка зарплаты: $104,500–$162,500 в год (зависит от локации, знаний, навыков и опыта). - Медицинская страховка, стоматология, офтальмология, пенсионный план, оплачиваемый отпуск. - Страхование жизни и инвалидности. - Скидка на товары Nordstrom и ресурсы EAP. - Возможность получения бонусов по результатам работы. - Участие в программе 401k, медицинские/стоматологические/оптические/страхование жизни и инвалидности, начисление PTO, праздничные дни и другое. Условия зависят от локации, уровня должности, классификации и стажа.
Staff-инженер по продукту, фронтенд и полный стек
Help Scout — компания, основанная в 2011 году. Более 10 000 компаний используют её продукты для поддержки клиентов. Команда полностью удаленная с момента основания, в ней более 120 сотрудников по всему миру. Роль в команде Agents, которая создает AI-функции для клиентов: ответы, черновики и вспомогательные инструменты на основе больших языковых моделей. Инженер отвечает за создание таких функций от начала до конца — от инфраструктуры поиска и агентных механизмов до интерфейса, с которым работает агент поддержки. Основная экспертиза — фронтенд (JavaScript/TypeScript), при этом роль предполагает работу как full-stack инженера. Как устроена работа: - Инженеры отвечают за свою работу от постановки задачи до продакшена, включая анализ сигналов от клиентов и метрик результата. - Используются Kotlin, Java, TypeScript, React, PHP. - Используются Elasticsearch, ClickHouse, Kafka, Flink, RabbitMQ, MySQL, PostgreSQL, векторный поиск и LLM-инструменты. - Активно используется экосистема AWS, Slack, GitHub, Linear. - Ежедневно применяются AI-инструменты: Cursor, Claude Code и внутренние инструменты. - Команды небольшие и проектные: от 3 инженеров и продакт-менеджера до 2 инженеров и дизайнера. Задачи: - Разрабатывать клиентские AI-функции на полном стеке: LLM-процессы, поиск (RAG), эмбеддинги, агентные вызовы инструментов, а также быстрый и доступный интерфейс. - Проверять качество AI-вывода: строить оценки, защитные механизмы и мониторинг, чтобы качество было измеримым и стабильным в продакшене. - Уделять внимание деталям интерфейса: отзывчивость, состояния загрузки и стриминга, доступность. - Участвовать в звонках с клиентами, дежурствах по эскалации поддержки и просмотре записей сессий. - Согласовывать с продакт-менеджером метрику результата проекта, отслеживать её после запуска и принимать решения на основе данных. - Влиять на продуктовые решения, а не только на реализацию. - Обеспечивать готовность к продакшену: автоматизация, надежность, мониторинг, алертинг и логирование. - Использовать AI-инструменты ежедневно и предлагать улучшения рабочего процесса команды. - Участвовать в найме: проводить интервью с кандидатами.
Младший AI-инженер, финансовая трансформация
О компании SoFi — финансовая компания нового поколения и национальный банк, использующий инновационные мобильные технологии, чтобы помочь миллионам клиентов достигать целей. Отрасль переживает беспрецедентную трансформацию, и компания находится в её авангарде. О роли Младший AI-инженер по финансовой трансформации в финансовой организации SoFi — практическая инженерная роль, сфокусированная на создании агентных ИИ-процессов, которые меняют работу финансового отдела: от закрытия периода и сверок до прогнозирования и отчётности. Финансовое направление — одна из крупнейших зон применения ИИ в SoFi: более ста выявленных сценариев использования, активная сеть сторонников и поддержка руководства. В этой роли вы будете: - создавать многошаговые ИИ-процессы на одобренных корпоративных ИИ-платформах; - настраивать телеметрию для измерения использования, стоимости и ROI ИИ в финансовом отделе; - помогать делать результаты ИИ достаточно надёжными для принятия финансовых решений в контролируемой среде, где результаты должны быть объяснимыми, проверяемыми и сверяемыми с цифрами; - работать напрямую с менеджером по ИИ-трансформации финансового направления, который отвечает за стратегию сценариев использования и взаимодействие с заинтересованными сторонами, а также в тесном партнёрстве с командами AI SDLC и платформенной разработки SoFi, которые поддерживают путь от прототипа до продакшена. Карьерный рост Роль ориентирована на практическую разработку и имеет заметную траекторию роста: карьерная лестница AI-инжиниринга SoFi (до уровня Staff и Senior Staff) является видимым путём продвижения. Что вы будете делать - Создавать агентные ИИ-процессы: разрабатывать многошаговые ИИ-процессы, такие как планирование, использование инструментов, поиск информации, структурированная оркестрация на одобренных корпоративных ИИ-платформах и агентных инструментах кодирования для автоматизации финансовых процессов. - Создавать ИИ-телеметрию: отвечать за отчётность по использованию, стоимости, вовлечённости и ROI ИИ-инструментов финансового отдела — от извлечения данных до дашбордов, на которые опирается руководство. - Вносить вклад в слой взаимодействия: помогать проектировать, как пользователи финансового отдела взаимодействуют с ИИ-системами, включая процессы, интерфейсы и петли обратной связи, которые формируют доверие и внедрение. - Проверять результаты: применять и улучшать повторяемые шаблоны проверки результатов ИИ до того, как они будут использованы в финансовых решениях, включая сверку, документированные допущения и контрольные точки с участием человека. - Быстро создавать прототипы: превращать приоритетные финансовые сценарии использования в работающие прототипы, затем совместно с AI SDLC и платформенной разработкой вести их к продакшену. - Изучать предметную область: развивать финансовую грамотность (закрытие периода, сверка, отчётные процессы) и строгость в SQL на рабочем месте при структурированной поддержке. Требования - Степень бакалавра или магистра в области компьютерных наук, науки о данных, ИИ/ML или смежной области, либо эквивалентный практический опыт. - 1–3 года опыта работы с LLM или исключительные результаты для выпускника с существенными практическими агентными проектами (академическими, личными, open-source или в рамках стажировки). - Подтверждённый практический опыт работы с LLM API, промт-инжинирингом, RAG или агентными фреймворками — с портфолио проектов, где вы можете чётко объяснить, что именно вы спроектировали и почему. - Рабочий Python для автоматизации, интеграции API и прототипирования. - Базовый SQL для запросов к данным (финансовая строгость будет развиваться на рабочем месте). - Мышление созидателя: склонность создавать работающую вещь, а не описывать её. - Готовность изучать финансовый контекст и общаться с нетехническими заинтересованными сторонами при поддержке. Желательно - Опыт в оценке, трассировке или наблюдаемости ИИ-систем. - Опыт работы со Snowflake, Cortex или инструментами natural-language-to-SQL. - Опыт работы в финансовой среде, бухгалтерии или другой контролируемой или регулируемой среде с данными. - Опыт создания пользовательских инструментов или внутренних приложений на основе ИИ.
Middle/Senior системный аналитик, ИИ-агенты
Позиция: Системный аналитик (Middle/Middle+/Senior) Вилка: 230 000 - 280 000 руб. gross Занятость: Полная Формат работы: Удаленный/Гибрид (в приоритете, г. Москва) Срок проекта: 6+ месяцев Локация: РФ Оформление: ИП Задачи: - Сбор, анализ и формализация функциональных и нефункциональных требований заказчика к платформе и реализуемым на базе платформы ИИ-агентам (в т.ч. «охлаждение» нереалистичных требований) - Трекинг реализации функциональных требований - Описание спецификаций агентов: роль и цель агента, сценарии использования, границы полномочий, поведение при отказе, эскалация к человеку (human-in-the-loop) - Определение критериев успешности внедрения платформы и реализации ИИ-агентов (выделение ключевых метрик, определение методики расчета данных метрик, согласование достижимости ожидаемых значений) - Описание процессов as-is / to-be - Формализация политик ограничений и требований ИБ - Описание контрактов внешних систем: возможности систем заказчика, требования к данным агента, разрешённые действия и классы данных - Организация и проведение ПСИ (приёмо-сдаточных испытаний), подготовка ПМИ, составление протокола приемки - Управление объемом проекта (арбитраж расхождений «дефект реализации / корректное поведение по спецификации / новое требование») - Ведение проектной документации и базы знаний проекта (Jira, Confluence) Требования: - Опыт работы системным аналитиком от 4 лет, в т.ч. на проектах внедрения ПО у enterprise-заказчиков - Умение писать проверяемые требования: каждое требование имеет способ подтверждения и критерий приёмки - Понимание интеграций на уровне контрактов: REST API, JSON, микросервисная архитектура - Понимание устройства ИИ-систем на уровне постановки требований: что такое LLM и её вероятностная природа, агент, инструмент (function calling), RAG, guardrails, мультиагентная схема - Понимание специфики приёмки недетерминированных систем: метрики качества, пороги, эталонные датасеты, статистическая природа результата - Навыки управления ожиданиями заказчика - Опыт работы с LLM на уровне выше вопрос/ответ Будет плюсом: - Опыт проектов с ML/LLM, ИИ-агентами, RAG-системами и т.д. - Опыт реализации собственных ИИ-агентов - Знакомство с практиками оценки качества LLM: evals, golden dataset, LLM-as-judge - Понимание возможностей платформ для реализации ИИ-агентов (для оценки реализуемости требований) - Опыт on-premise внедрений у крупных заказчиков / госсектора - Опыт работы с требованиями к нагрузке и SLA на уровне сбора и фиксации
Middle ML-инженер
Формат работы: можно удалённо. Компания — один из крупнейших независимых digital-продакшнов в России, работает с 2005 года, в штате более 550 человек. Ищет ML-инженера в команду, которая реализует AI-решения для проектов компании. Чем предстоит заниматься: - Поддерживать текущие алгоритмические решения - Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы - Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта - Разрабатывать RAG-пайплайн для поиска и обработки данных - Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование Пожелания к кандидатам: - Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других) - Уверенное владение Python и PyTorch/TensorFlow - Практический опыт работы с API, Docker/Kubernetes и базами данных - Опыт внедрения RAG
LLM Platform Engineer
Компания разрабатывает прикладные LLM-решения для внутренних продуктов и процессов: от ассистентов и автоматизации рутины до интеграции моделей с корпоративными системами. Фокус — надёжные прикладные сервисы. Чем предстоит заниматься проектировать и поддерживать MCP-серверы (Python/TypeScript): tools для LLM, auth, интеграция с корпоративными API (Bitbucket Server, EWS/Outlook, Grafana и др.); поддерживать и отвечать за единый реестр скиллов, плагинов и MCP-серверов; участвовать в разработке безопасной среды исполнения агентов; участвовать в выводе в prod/preprod: прототип → сервис → мониторинг качества, latency и cost; работать с кодовой базой и документацией, предлагать решения с учётом ограничений инфраструктуры. Ожидания от кандидата Обязательно: высшее техническое образование; уверенный Python; опыт backend-разработки и интеграций с API; понимание современных LLM и LLM-приложений: prompt engineering, function/tool calling, RAG там, где нужен контекст; опыт работы с Model Context Protocol (MCP); опыт интеграций через REST API и настройки доступа, плюсом — работа с системами контроля версий и review-процессами; сильные навыки CI/CD: Docker/k8s, gitlab-ci, Jenkins; опыт с трейсингом и логированием в контексте LLM: Langfuse, LangSmith, OpenTelemetry; умение писать поддерживаемый код, тесты на критичные сценарии, документация; опыт настройки инференса LLM (vLLM, SGLang, TensorRT). Желательно: опыт работы с векторными БД (Faiss, Chroma, Qdrant); опыт с LLM-платформами (OpenWebUI) и библиотеками оркестрации (чат-интерфейсы, LiteLLM, LangChain и аналоги). Условия работы необходимое оборудование и софт для работы; официальное трудоустройство; ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; льготные условия ипотеки в рамках зарплатного проекта; бесплатная подписка на сервисы партнёров; корпоративный спорт; насыщенная корпоративная жизнь; электронная библиотека издательства МИФ, в которую входят почти 2 тыс. единиц контента по бизнесу, саморазвитию, здоровому образу жизни и другим актуальным темам.
Ведущий DevSecOps / MLOps-инженер
Позиция: Ведущий DevSecOps / MLOps Инженер Название компании: Агрохолдинг Формат: удалённая работа Занятость: полная, долгосрочный проект Оформление: аутстафф ИП, СЗ Ставка: от 270 000 до 280 000 RUB Гражданство — РФ/РБ, локация — РФ, РБ Ищем ведущего DevSecOps/MLOps-инженера для внедрения ИИ и цифровой трансформации. Роль сочетает техническую экспертизу, архитектуру и бизнес-анализ: будете проектировать инфраструктуру для AI/ML- и RAG-сервисов, выстраивать DevSecOps-практики и интегрировать ИИ-решения с корпоративными системами. Ключевые требования: - Опыт от 3 лет в DevSecOps с фокусом на ИТ- и AI-решениях, проекты в промышленной эксплуатации. - Проектирование AI/ML/RAG-инфраструктуры (LLM, векторные БД, GPU-инференс, оркестрация). - CI/CD (Jenkins, K8s, Helm), IaC (Terraform, Ansible), Linux, сетевые контуры (VLAN, DMZ). - Мониторинг и безопасность: Prometheus/Grafana, SAST/DAST, Trivy, Vault; знание 152-ФЗ, 187-ФЗ. - Инструменты и стек: Python 3.10+, SQL, JS/TS, vLLM, Qdrant/Weaviate, Airflow, MLflow, Keycloak, Dify/LangGraph. - Архитектурные навыки: C4, UML, BPMN; интеграция с 1С, CRM, DWH, BI. Будет плюсом: - Построение DevSecOps с нуля или развитие практик. - MLOps/LLMOps: версионирование, мониторинг качества моделей. - Облака (Yandex Cloud, AWS, GCP), сертификаты DevOps/Kubernetes/ИБ. Основные задачи: - Проектировать и сопровождать инфраструктуру (DataHub, AI/ML, RAG, чат-боты, базы знаний). - Развивать DevSecOps: CI/CD, IaC, управление секретами, контроль уязвимостей, аудит. - Настраивать пайплайны сборки, тестирования и доставки в dev/test/preprod/prod. - Обеспечивать надёжность, отказоустойчивость, масштабирование и оптимизацию затрат. - Собирать требования бизнеса, формировать ТЗ, совместно с DE/DS/ML определять архитектуру ИИ-решений. - Интегрировать ИИ-сервисы с корпоративными системами.
Senior Frontend Developer
Резюме Senior Frontend Developer, от 290 000 ₽ / $3 500, удаленно, фуллтайм. Опыт и достижения: - Рост продаж на 25% и спасение 15% регулярной выручки. - Разработка SDK, плагинных систем и монорепозиториев. - Понимание бизнес-контекста: воронки продаж и пользовательские боли через призму кода. - Сокращение стоимости AI-запросов и ускорение CI. - Опыт сложной миграции Stripe без даунтайма. - Применение архитектурных подходов (FSD) в крупных кодовых базах. - Миграция с React на Svelte (-89% bundle size). - Высокая скорость поставки MVP (16 экранов за 8 дней). - Работа с real-time потоками данных в высоконагруженных Web3 интерфейсах. - Опыт работы с высокой нагрузкой (500–1000 RPS) и крупными базами пользователей (90K MAU, 1M+ аудитории каналов). - Интеграция сложных платежных систем (Stars, Crypto, фиат) в Telegram Mini Apps. - Параллельная обработка данных от 418 поставщиков, оптимизация очередей и биллинга. - Снижение нагрузки, оптимизация Core Web Vitals. - Применение AI-инструментов (Claude API, MCP) как часть рабочего процесса. - Каждое достижение подкреплено конкретным процентом конверсии или роста эффективности. - Акцент на пользовательские сценарии и решение задач, а не просто перечисление библиотек. - Разноплановый опыт: от сложных CRM до AI-лендингов и переноса кастомного кода на Tilda. - Опыт создания собственного SaaS с нуля: от архитектуры до биллинга и монетизации. - Экспертиза в медиа-инфраструктуре: FFmpeg, RTMP, HLS. - Практический опыт внедрения RAG-систем и локальных LLM. - Конкретные результаты по AI-MVP и оптимизации релиза техдокументации. - Реальные кейсы в 3D/WebGL: от AR-сцен для автопрома до инди-игр. - Демонстрация стека через живые проекты.
Senior AI-инженер платформы и инструментов
О компании Crunchyroll — сервис, основанный фанатами, доставляет искусство и культуру аниме сообществу. Компания обслуживает более 100 миллионов фанатов аниме и манги в более чем 200 странах и территориях. Опыт включает онлайн и офлайн-форматы: стриминг, кинотеатральные показы, игры, мерчандайз, события и другое. О роли Senior AI-инженер платформы и инструментов создаёт платформу, автоматизацию и инструменты, на которых работает остальная часть AI Enablement, и администрирует корпоративные AI-инструменты, на которые полагается вся компания. Роль входит в команду Tools & Governance платформы внутри AI Enablement (AIEN), подчиняется AI Platform, Strategy & Governance Lead. Это универсальная позиция полного цикла: автоматизация оценки и управления AI, переиспользуемые строительные блоки для других команд и повседневное администрирование одобренных AI-инструментов. Работа охватывает три связанных направления: - Превращение оценки и управления AI из ручного процесса в автоматизированную платформу: структурированные оценки, конвейеры приёма и скоринга, маршрутизация согласований, policy-as-code и телеметрия использования. - Администрирование и настройка одобренных корпоративных AI-инструментов, отслеживание новых релизов и оценка целесообразности их внедрения. - Разработка golden-path шаблонов, эталонных архитектур и переиспользуемых компонентов: RAG-паттерны, каркасы агентов, библиотеки промптов, eval-харнессы — на которых строит команда Build & Partner. Это ранняя небольшая команда, поэтому инженер совмещает несколько ролей, ведёт функции от начала до конца и помогает задавать инженерные стандарты роста функции. Задачи - Создание платформы оценки AI: автоматизированные инструменты для структурированных оценок (возможности, стоимость, задержка, поведение, надёжность) в масштабе, а не разовых ручных проверок. - Инструментирование телеметрии использования и затрат по одобренному AI-стеху: расход токенов, использование мест, расходы по вендорам и обнаружение отклонений в одобренных инструментах. - Автоматизация управления AI: приём заявок, скоринг, маршрутизация согласований и enforcement policy-as-code, интегрированные с Glean-агентами и JSM-процессами. - Разработка golden-path шаблонов, эталонных архитектур и переиспользуемых компонентов — RAG-паттерны, каркасы агентов, библиотеки промптов, eval-харнессы — для команды Build & Partner. - Администрирование и настройка одобренных корпоративных AI-инструментов Crunchyroll, включая ChatGPT, Glean, Claude и Gemini; управление настройками, паттернами доступа, включением функций и операционными изменениями совместно с IT и Security. - Отслеживание новых релизов и изменений продуктов среди одобренных AI-инструментов, оценка необходимости их внедрения в Crunchyroll и организация раскатки для максимальной пользы сотрудников. - Обеспечение того, чтобы платформа была путём наименьшего сопротивления: решения AIEN по умолчанию используют golden paths и стандарты, и улучшение ключевых метрик (время оценки, adoption golden-path). - Создание агентов и воркфлоу средней сложности для нетехнических команд на одобренных AI-платформах с соблюдением стандартов AIEN по безопасности, управляемости, поддерживаемости и измеримости. - Совместная работа с AI Security Engineer для встраивания необходимых контролов, обнаружения и предотвращения в платформу, чтобы безопасность обеспечивалась на уровне платформы, а не добавлялась отдельно к каждому проекту. - Работа универсалом в небольшой команде: ведение функций от дизайна до продакшена и помощь в установлении инженерных паттернов для масштабирования команды. Требования - 6+ лет инженерной работы в software или platform engineering, включая создание инструментов или сервисов, используемых другими инженерами. - Практический опыт администрирования, настройки или поддержки корпоративных SaaS-инструментов, AI-платформ или внутренних продуктовых платформ в производственной бизнес-среде. - Сильные навыки разработки (например, Python, плюс Go/TypeScript или аналогичные) — создание production-quality инструментов, а не только прототипов. - Рабочее понимание устройства современных AI-систем: LLM API, RAG, агентные фреймворки, методологии оценки и основы инференса. - Опыт создания автоматизации, пайплайнов данных или внутренних инструментов для разработчиков. - Опыт создания практичных AI-агентов, ассистентов или автоматизации воркфлоу для бизнес-пользователей, включая сбор требований, дизайн промптов и воркфлоу, тестирование, внедрение и итерации. - Опыт ведения функций от начала до конца в небольшой команде: дизайн, разработка, релиз, итерации. - Чёткая письменная коммуникация: инструменты и документация должны приниматься другими инженерами.
Middle ML-инженер, LLM
Ростелеком — крупнейший в России интегрированный провайдер цифровых решений. Опыт работы: от 2 лет в роли MLE. Формат работы: возможна полная или частичная удалённая работа из России (также офисы в Москве, Краснодаре, Новосибирске). Чем предстоит заниматься - Планирование архитектуры приложений с использованием LLM в качестве основной технологии. - Разработка ML-бэкендов и микросервисов для обеспечения функциональности и интеграции различных сервисов. - Оптимизация текущих решений с акцентом на производительность и управление нагрузкой (onnx, openvino, tensorrt). Наши пожелания к кандидатам - Опыт работы в роли MLE от 2-х лет. - Уверенное знание Python и опыт разработки сетевых/асинхронных приложений. - Широкая насмотренность в области LLM, RAG. - Знание Docker, CI/CD, FastAPI и SQL.
Агентный Gen AI-разработчик (Python, RAG)
Обязанности - Совместно с командой проектировать и разрабатывать высококачественные веб-приложения с использованием Python, Flask, Django и смежных технологий. - Писать чистый и эффективный код, обеспечивать его поддерживаемость и переиспользуемость. - Проектировать и внедрять RAG-пайплайны на Google Cloud / Vertex AI (chunking, эмбеддинги, индексация, поиск, реранкинг, grounding). - Строить агентные рабочие процессы (использование инструментов, планирование, рефлексия/guardrails, структурированные выходные данные) с использованием Python-first фреймворков. - Проводить ревью кода для обеспечения качества и согласованности. - Проводить тестирование для обеспечения качества и надежности приложений. - Создавать и поддерживать техническую документацию для веб-приложений. - Участвовать в планировании проекта, оценке и приоритизации задач. - Следить за новейшими технологиями в области разработки на Python. - Определять и запускать оценку (метрики поиска, качество ответов, проверки галлюцинаций/grounding) и итеративно улучшать качество системы. - Выпускать в продакшн: API, мониторинг/наблюдаемость, оптимизация стоимости и производительности, CI/CD и лучшие практики безопасности. Обязательные требования - Python, Flask/Django, RAG. - Опыт разработки программного обеспечения на Python 3. - Понимание жизненного цикла разработки и тестирования ПО. - Знание реляционных баз данных (например, MySQL, PostgreSQL и т.д.). - Опыт работы с системами контроля версий, такими как Git. - Опыт создания RAG-решений (гибридный поиск, реранкинг, стратегии chunking, эмбеддинги, дизайн промптов и схем). - Знакомство как минимум с одним агентным фреймворком (например, LangGraph/LangChain, LlamaIndex, Semantic Kernel, AutoGen) и паттернами вызова инструментов/функций. - Уверенные знания концепций векторного поиска и как минимум одной векторной БД в продакшене. - Сильные инженерные практики: ревью кода, тестирование, телеметрия, безопасность по дизайну, надежность. Желательно - LLM, LangChain, AWS, Kubernetes, Docker. - Степень магистра в области компьютерных наук, программной инженерии или смежной области. - Более 1 года профессионального опыта разработки веб-приложений на Python с использованием Flask или Django. - Опыт разработки RESTful API на Python. - Понимание фреймворков веб-приложений на Python, таких как Flask или Django. - Опыт работы с облачными сервисами, такими как AWS. - Опыт работы с Vertex AI и основами GCP (IAM, логирование/мониторинг, Cloud Run/GKE, хранилища). - Графы знаний для RAG (связывание сущностей, обход графа + гибридный поиск). - Стриминг/обмен сообщениями (Pub/Sub, Kafka), пайплайны документов (Document AI) и мультиязычный поиск. - Опыт работы с инструментами оценки (RAGAS, TruLens, пользовательские eval-харнессы), управление версиями промптов. - Интеграция с фронтендом (базовый React/Next.js) или развитие платформы (внутренние инструменты разработчика). Условия - Зарплата: $62,000 – $80,000. - Кандидаты должны быть готовы к переезду в пределах США (например, CA, TX, NY).
AI-промпт-инженер, LLM и генеративный ИИ
Компания и контекст CACI International ищет AI-промпт-инженера в команду BEAGLE Agile Solution Factory (ASF), поддерживающую заказчика CBP в Северной Вирджинии. Команда работает над Agile-разработкой для Министерства внутренней безопасности (DHS). Задачи - Разработка и оптимизация промптов для различных генеративных ИИ-моделей (LLM) для получения желаемого поведения, ответов и творческих результатов. - Итеративное тестирование: сравнение вариантов промптов, анализ результатов и постоянное улучшение. - Взаимодействие с несколькими группами для интеграции промптов и оптимизации ручных процессов. - Исследования и разработка: отслеживание последних достижений в области LLM, генеративного ИИ и техник промпт-инжиниринга. - Поддержка тонкой настройки и RAG: участие в стратегиях улучшения точности моделей. - Решение проблем: отладка неожиданного поведения моделей, выявление корневых причин в структуре промпта, ограничениях модели или контексте данных. Требования - Гражданство США и способность пройти проверку службой CBP (проверка за 3 года на felony, за 1 год на употребление наркотиков, за 1 год на проступки, такие как кража или мошенничество). - Степень бакалавра в области компьютерных наук, программной инженерии, информационных технологий или смежной области (эквивалентный опыт может быть рассмотрен). - 0–3 года профессионального опыта разработки ПО, стажировок или соответствующих академических проектов. - Более 1 года практической работы с большими языковыми моделями (например, OpenAI GPT, Llama, Gemini) или другими генеративными ИИ-моделями. - Опыт как минимум с одним языком программирования (Python, JavaScript/TypeScript). - Знание техник промпт-инжиниринга (few-shot, chain-of-thought, структурированные выходы, вызов функций). - Готовность к гибридному графику с работой на месте в Ашберне, Вирджиния. Желательно - Навыки решения проблем и подход к экспериментам, основанный на данных. - Письменные и устные коммуникационные навыки, умение ясно излагать сложные технические концепции. - Способность работать самостоятельно и в команде в быстро меняющейся среде. - Опыт работы с концепциями RAG, включая эмбеддинги и векторные базы данных. - Понимание вопросов безопасности ИИ (например, prompt injection, предвзятость, конфиденциальность данных). - Опыт работы в Agile/Scrum. Условия - Полная занятость, постоянная должность. - Допуск к гостайне не требуется. - Возможны локальные командировки до 10%. - Гибридный график с присутствием в офисе в Ашберне, Вирджиния. - Культура честности и среда доверия, гибкий график отпуска, доступ к обучающим ресурсам.
AI Workflow Engineer
Ultimate Knowledge Institute ищет AI Workflow Engineer для проектирования агентного SDLC с нуля: формализованные пайплайны, где AI-агенты планируют, создают, тестируют, ревьюят и выпускают код вместе с командой старших инженеров, с управлением, обоснованием и метриками эффективности. Это не исследовательская роль и не работа с промптами — вы будете проектировать систему доставки: рабочие процессы, защитные механизмы и циклы обратной связи, позволяющие команде работать значительно быстрее без потери инженерного качества. Работа напрямую ускоряет миссию: обеспечение готовности кадров для кибервойск страны. О компании: с 1999 года Ultimate Knowledge Institute задает стандарты обучения кибербезопасности для Министерства обороны, федеральных агентств и компаний из списка Fortune 500. Платформа выявляет индивидуальные пробелы в экспертизе и строит адаптивные индивидуальные планы обучения для федеральных клиентов США, оборонного сектора, разведывательного сообщества, местных и коммерческих заказчиков. Вы присоединитесь к новой формирующейся AI-команде внутри зрелой продуктовой инженерной команды — реальные пользователи, реальные stakes и зеленое поле для трансформации процессов разработки. Задачи: - Построить агентный SDLC-пайплайн: проектировать, внедрять и эксплуатировать агентные рабочие процессы на всех этапах жизненного цикла разработки — планирование, генерация кода, ревью, тестирование, документация и релиз, интегрированные с GitOps и CI/CD-инфраструктурой. - Улучшить опыт разработчиков: внедрять современные AI-интеграции в ежедневный процесс команды — кодинг-агенты, автоматическое ревью, интеллектуальная генерация тестов и self-service инструменты. - Строить обоснованные и надежные системы: разрабатывать retrieval-grounded и контекстно-зависимые AI-системы с надежными и проверяемыми результатами, проектировать оценочные стенды для их подтверждения. - Установить управление и защитные механизмы: определять и внедрять политики, контрольные точки с участием человека, аудит-трейлы и меры безопасности для ответственного применения агентного AI в средах, где доверие критично. - Формализовать и масштабировать: превращать успешные практики в повторяемые фреймворки, плейбуки и внутренние платформы, расширяя агентное ускорение за пределы инженерии на всю организацию. - Продвигать практику: обучать и поддерживать внедрение AI в команде, выступая мультипликатором, а не изолированным специалистом. Требования: - 2-3+ года практического опыта создания систем на AI/LLM в продакшене. - 2+ года проектирования и эксплуатации агентных рабочих процессов и пайплайнов, включая многошаговую оркестрацию агентов, использование инструментов, оценку и управление. - Опыт работы в современных командах разработки с практиками GitOps и CI/CD. - Рабочее знание паттернов grounded AI: RAG, контекстная инженерия, структурированные выходы, оценка и наблюдаемость LLM-систем. - Солидные основы программной инженерии на JavaScript/TypeScript и/или Python; уверенная работа со стеком (Angular/React фронтенды на Express веб-приложениях). - Соответствие культуре continuous delivery — подход Аллспоу/Хаммонда, Phoenix Project (Ким): малые партии, быстрая обратная связь, обучение без обвинений, операционное совершенство. - Проактивность: видите возможность ускорить команду — строите, измеряете и делитесь результатом. - Сильные коммуникационные навыки: умение объяснить агентную архитектуру инженеру и ее ROI — руководителю. - Требуется разрешение на работу в США; роль — удаленная в США. Будет плюсом: - Опыт с агентными фреймворками и протоколами (LangGraph/LangMem, Claude Agent SDK, MCP, OpenAI Agents) и AI-инструментами для кодинга (Claude Code, Copilot, Cursor).
Ведущий AI-инженер, мультиагентные системы и LLM
О компании Flip — ведущая AI-платформа для сотрудников на передовой (frontline workers) в рознице, производстве и логистике. Миссия: Connect every employee to everything they need in one touch. KI-оркестрация — в центре будущего Flip. Flip Fusion, мультиагентная система для генерации кода, — ядро новейшего продукта. Ask AI Agent Gateway и автоматизация через Flip Flows также работают на возможностях, которые разрабатывают и поддерживают наши AI-инженеры. В роли Lead AI Engineer вы отвечаете за AI-дисциплину: архитектуру, стандарты и техническое направление во всех трёх областях, развиваете команду из трёх AI-инженеров и остаётесь hands-on на самых сложных задачах. Задачи - Отвечать за AI-архитектуру: определить единую архитектуру и стандарты для Flip Fusion, Ask AI Agent Gateway и Flip Flows. - Принять главный вызов: мультиагентные системы, созданные для конкретных сценариев, но достаточно универсальные для разных клиентов, в балансе между высокими требованиями, реализуемостью, надёжностью и экономической эффективностью. - Развивать дисциплину: осуществлять дисциплинарное руководство тремя AI-инженерами и помогать им становиться инженерами, задающими технический стандарт. - Оставаться hands-on: около 70% времени — в коде, на задачах, где важнее всего ваше суждение. Остальное — техническое и дисциплинарное руководство. - Влиять на продукты за пределами своей зоны: реализовывать архитектурные решения с продакт-менеджерами и engineering-лидами, убеждая аргументами, а не указаниями. - Работать со стеком: Python, pydantic-ai для оркестрации, Qdrant для векторного поиска, Azure AI для моделей, деплой на Kubernetes в преимущественно JVM-бэкенде (Kotlin, Micronaut) и Go. - Формировать молодую дисциплину: KI-инжиниринг в Flip настолько новый, что есть огромный простор для решений и нет готового playbook. Требования Мы ищем инженера с фундаментальным software engineering и реальным опытом работы с агентными системами в продакшене, который хочет вести дисциплину, а не только работать над кодовой базой. Если роль вас привлекает, но вы не соответствуете каждому пункту, мы всё равно ждём вашу заявку. Обязательные требования - 7+ лет опыта в разработке ПО с подтверждённым уровнем Senior или Staff, на базе фундаментального software engineering (бэкенд, платформа или full-stack). - Практический опыт проектирования, создания и эксплуатации продакшн-систем на LLM: RAG, tool calling и MCP, оркестрация и эвалы. Не прототипы, а системы, с которыми вы жили после запуска. - Опыт мультиагентной оркестрации — особенно важен. Это ядро архитектурной ответственности. - Подтверждённый опыт технического лидерства: ответственность за архитектуру, tech-lead, RFC, design reviews или установление стандартов для команды. - Подтверждённая способность продвигать техническую работу вне своей зоны ответственности: выигрывать архитектурные дискуссии убедительностью и доверием, иметь привычку быть правым без формальной власти. - Подтверждённый опыт развития людей: коучинг или менторинг инженеров, а не выполнение работы за них. - Ясное и явное намерение заниматься дисциплинарным руководством. Роль включает управление тремя инженерами, и это не просто дополнение к техническому скоупу. - Развитые коммуникативные навыки и свободный английский (C1). Желательно - Формальный опыт управления персоналом: дисциплинарное руководство, feedback- и development-встречи, рекрутинг. Сильный менторинг также считается. - Опыт кросс-командного руководства дисциплиной или направлением в матричной организации. - Опыт работы с масштабными продуктами: frontline / deskless workers, high-volume B2B SaaS или аналогично. - Опыт инженерии стоимости, задержек и надёжности для LLM-систем: guardrails, fallbacks, evaluation harnesses. - Немецкий язык любого уровня. В некоторых частях компании полезен, но для этой роли не обязателен.
Lead AI-инженер, мультиагентные системы
Компания: Flip GmbH О роли: Flip — AI-платформа для сотрудников на передовой (розница, производство, логистика). AI-оркестрация — центр развития компании: система мультиагентной генерации кода Fusion, агентский шлюз Ask AI и автоматизация Flip Flows работают на возможностях, которые создают и поддерживают AI-инженеры. В роли Lead AI Engineer вы возглавите AI-направление: отвечаете за архитектуру, стандарты и техническое направление во всех трёх продуктах, руководите командой из трёх AI-инженеров и остаётесь hands-on в самых сложных задачах. Задачи: - Владение AI-архитектурой: определение и согласование целостной AI-архитектуры и стандартов для Flip Fusion, Ask AI и Flip Flows. - Решение ключевой задачи: мультиагентные системы, специализированные под конкретные цели, достаточно универсальные для разных клиентов, с балансом ожиданий, надёжности и стоимости. - Руководство и развитие команды: people-leadership для трёх AI-инженеров, помощь в росте до инженеров, которые сами задают техническую планку. - Hands-on работа: около 70% времени — в коде, на задачах, где важнее всего ваше суждение. Остальное — техническое и people-лидерство. - Влияние на продукты: согласование архитектурных решений с продакт-менеджерами и техлидами через аргументацию, а не через мандат. - Работа со стеком: Python, pydantic-ai для оркестрации, qdrant для векторного поиска, Azure AI для моделей, деплой на Kubernetes, преимущественно JVM-бэкенд (Kotlin, Micronaut) и Go. - Формирование молодого направления: в Flip AI-инжиниринг достаточно новый, с большим пространством для дизайна и без унаследованных правил. Требования: Обязательные: - 7+ лет опыта в разработке ПО с треком уровня senior или staff, на фундаменте software engineering (бэкенд, платформа или full-stack). - Практический опыт проектирования, запуска и эксплуатации LLM-систем в продакшене: RAG, tool calling и MCP, оркестрация, eval'ы. Не прототипы, а системы, с которыми вы жили после релиза. - Опыт мультиагентной оркестрации — ключевой фактор, это ядро архитектуры. - Подтверждённое техническое лидерство: владение архитектурой, роль техлида, RFC, дизайн-ревью или установление стандартов для команды. - Умение продвигать техническую работу, которой вы не владеете: выигрывать архитектурные споры через убеждение и доверие, комфортно быть правым без формальной власти. - Доказательства развития людей: коучинг и менторство инженеров, а не поглощение их работы. - Явная приверженность people-лидерству: управление тремя инженерами — не та часть, которую вы терпите ради технического скоупа. - Отличные коммуникативные навыки и деловой английский (C1). Желательно: - Формальный опыт управления людьми: линейное руководство, перформанс- и развивающие беседы, найм. Сильные менторские доказательства ценятся так же. - Опыт руководства дисциплиной или ремеслом в матричной организации. - Продуктовый контекст в масштабе: frontline- или deskless-персонал, высоконагруженный B2B SaaS или аналогичное. - Инженерия стоимости, задержек и надёжности для LLM-систем: guardrails, fallbacks, eval-харнессы. - Немецкий на любом уровне — полезен в некоторых частях компании, для этой роли не обязателен. Условия: - Формат: remote-first, с возможностью работать из дома. Периодические командные мероприятия, воркшопы или встречи в офисах в Берлине или Штутгарте — с заблаговременным уведомлением. Точный баланс обсуждается на собеседовании. - Work-Life-Balance: оплата членства E-Gym-Wellpass и лизинг велосипеда (job bike). - Атмосфера: мотивированные и вовлечённые люди в расслабленной рабочей обстановке. - Рост: активное участие в формировании компании, поддержка быстрого роста молодой tech-компании, регулярные командные мероприятия.
Senior AI-инженер, автоматизация и интеграция
Grafana Labs — компания, создавшая открытую облачную платформу для наблюдаемости, ищет Senior Engineer (AI & Automation) для развития инфраструктуры AI-агентов и платформы автоматизации, поддерживающей операции маркетинга. Вы будете создавать мультиагентные архитектуры, интеграции с LLM и бэкенд-сервисы, соединяющие AI-модели с внутренними и сторонними платформами данных. Это удалённая позиция для кандидатов из Канады. Жители Квебека не могут претендовать на эту роль. Задачи Агентные системы и AI-инфраструктура: - Полный цикл разработки мультиагентных AI-систем: от архитектуры и реализации до тестирования, развертывания и эксплуатации. - Создание модульных композитных агентных систем с использованием оркестрационных фреймворков (LangChain, CrewAI, Anthropic MCP или аналогичных), работающих круглосуточно. - Разработка переиспользуемых агентных навыков для вызова через интерфейсы (Slack, дашборды, внутренние приложения, CLI). - Внедрение наблюдаемости и циклов обратной связи: логирование, метрики производительности, итерация промптов, оценка моделей, управление затратами. - Установление стандартов управления и соответствия для AI-процессов: контроль доступа, аудит-трейлы, обработка PII, эскалация с участием человека. Интеграция систем и бэкенд-сервисы: - Создание MCP-серверов, API, CLI и микросервисов для подключения AI-моделей к бизнес-системам (BigQuery, Slack, CRM, электронная почта, календари, аналитические инструменты). - Проектирование потоков данных для RAG: подключение LLM к внутренним базам знаний, данным о клиентах и бизнес-контексту в реальном времени. - Разработка serverless- или контейнерных сервисов (GCP Cloud Functions, Cloud Run), масштабирующихся под нагрузку и интегрирующихся с облачной инфраструктурой Grafana. Автоматизация и поддержка процессов: - Совместная работа с командами RevOps, Demand Generation, регионального маркетинга и SDR для выявления высокоприоритетных задач автоматизации, поиска узких мест и создания решений с измеримыми бизнес-результатами. - Проектирование и развертывание процессов с помощью инструментов оркестрации (n8n, Workato или собственных платформ) с соблюдением стандартов CI/CD, тестирования и производственной надежности. - Создание систем для самостоятельного использования: документация, плейбуки и обучающие материалы, позволяющие командам работать независимо. Требования - 8+ лет опыта в разработке ПО с глубокими знаниями в бэкенд-разработке, системной интеграции или инженерии данных/аналитики. - 2+ года практического применения LLM/AI в производственных процессах, а не только в прототипах. - Уверенное владение Python и JavaScript/Node.js, знание Git-процессов, практик код-ревью и дисциплины тестирования. - Практический опыт работы с LLM-фреймворками и паттернами: промпт-инжиниринг, RAG, функции.
Старший Applied AI-инженер, RAG и LLM
О компании Pleo — компания, создающая решения для управления расходами. Более 40 000 клиентов, команда из 850+ человек более чем 100 национальностей. Компания помогает бизнесу выходить за рамки и уже 10 лет работает на рынке. О роли Вы будете подчиняться старшему менеджеру по продуктам Data & AI. Вы станете одним из первых в команде, но будете работать в тесном сотрудничестве с инженерами и дата-сайентистами. Команда покрывает полный цикл от данных до выпущенного продукта. Основной фокус — создание и выпуск AI-функций, совместно с командами Product Engineering, AI Platform и Data & ML Platform. Задачи - Создавать и выпускать AI-функции для клиентов Pleo, отвечая за результат от начала до конца в своей области. - Проектировать и создавать RAG-системы для конкретных продуктовых сценариев: стратегии чанкинга, выбор эмбеддинг-моделей, оптимизация поиска и оценка качества. - Управлять полным жизненным циклом AI-продукта: дизайн промптов, управление контекстом и состоянием, агентные циклы, парсинг вывода, обработка крайних случаев и безопасный продакшн. - Создавать оценочные датасеты и автоматизированные пайплайны оценки, чтобы команда была уверена в качестве AI-функций до и после изменений. - Настраивать наблюдаемость AI-функций в продакшене: логирование, обнаружение дрейфа, мониторинг качества и алертинг. - Совместно с Product и Design определять объём AI-функций с нуля; вы соавтор того, что создаётся, а не просто исполнитель спецификаций. - Взаимодействовать с командой GenAI Platform для определения потребностей в инфраструктуре и продвигать использование платформенных инструментов. - Поддерживать других инженеров через ревью, парное программирование и прагматичное техническое лидерство в ваших проектах. Требования - Подтверждённый опыт выпуска пользовательских AI-функций с использованием LLM — не прототипов, а реальных продакшен-систем с реальными пользователями. - Глубокий практический опыт проектирования RAG-систем и полного пайплайна поиска: эмбеддинг-модели, векторные базы данных, чанкинг, гибридный поиск, реранкинг. - Опыт создания и эксплуатации фреймворков оценки для LLM-систем; системный подход к измерению качества. - Сильные навыки Python-разработки: код продакшен-качества, протестирован и поддерживаем. - Опыт создания API и пайплайнов получения данных для подачи контекста в AI-системы. - Достаточная интуиция в работе с данными, чтобы рассуждать о качестве данных, схеме и архитектуре поиска без постоянной поддержки выделенного дата-инженера. - Опыт с паттернами агентных систем: использование инструментов, многошаговая оркестрация, обработка ошибок в LLM-процессах. - Знакомство с публичными облачными провайдерами (AWS, GCP). - Платформа использует несколько языков, включая Kotlin и Python. Роль ориентирована на Python, но время от времени потребуется вносить вклад в Kotlin-стек, поэтому важна открытость к этому. Качества - Сильное продуктовое чутьё и ориентация на пользователя. Вы понимаете, что модель хороша настолько, насколько хороша решаемая ей проблема.
AI-инженер по внутренним инструментам
О компании Qventus уже более 12 лет трансформирует здравоохранение. Компания помогает больницам сосредоточиться на главном — уходе за пациентами. Решения Qventus используют машинное обучение, генеративный ИИ и поведенческую науку для улучшения результатов и помощи медицинским командам предвидеть и решать проблемы до их возникновения. Успех и быстрый рост компании поддерживают ведущие мировые инвесторы. В Qventus вы будете работать с исключительной командой, ориентированной на миссию, и сможете напрямую влиять на жизни пациентов. О роли Мы ищем инженеров, которые создают ИИ-инструменты, меняющие то, как выполняется работа внутри компании. Вы будете работать с командами по операциям, успеху клиентов и финансам, находить медленные и ручные процессы и создавать ИИ-агентов и автоматизацию, которые действительно будут использоваться. Это роль для тех, кто любит быстро создавать, общаться с людьми и брать на себя ответственность за проблему — это не исследовательская и не чисто инфраструктурная роль. Вы с нуля определите, как выглядит «внутренний ИИ» в компании. Кому подходит Вас вдохновляет неопределённость и ответственность. Вы скорее выпустите черновой инструмент на этой неделе, посмотрите, как его используют, и улучшите, чем потратите месяц на идеальный план. Вам нравится сидеть с нетехническим коллегой, понимать его реальный рабочий процесс и превращать его в то, что экономит часы. Вам комфортно быть единственным владельцем проблемы от начала до конца. С кем вы будете работать - Вы будете тесно сотрудничать с CEO и основателями: определять самые важные операционные проблемы и формировать направление развития внутреннего ИИ. Это редкий уровень доступа к руководству для инженерной роли. - Вы будете работать с функциональными лидерами по всему бизнесу, чтобы понимать их приоритеты, находить возможности и согласовывать, что создавать. Ваша работа будет заметна на уровне руководства с первого дня. - Операции, успех клиентов, финансы, подбор персонала, инженерия, IT и данные — это ваши внутренние заказчики и коллабораторы. Вы будете погружаться в их рабочие процессы и создавать инструменты, которыми они действительно пользуются. Что вы будете создавать Примеры задач, которые ждут вас: - Агент, который готовит ответы для службы поддержки клиентов на основе базы знаний и истории обращений. - Slack-процесс, который маршрутизирует и предзаполняет согласования в финансах. - Внутренний стенд для оценки, чтобы доверять LLM-функциям, которые мы выпускаем. - Инструмент, позволяющий операционной команде запрашивать внутреннюю систему на простом языке. Вы не будете делать всё это одновременно — вы выберете задачу с максимальным эффектом, запустите её и перейдёте к следующей. Что мы ищем - 1–3 года разработки ПО: бэкенд-сервисы, внутренние инструменты, автоматизация или приложения на API. Стажировки и кооперативные программы учитываются. - Уверенное владение TypeScript и/или Python. - Вы создавали что-то с LLM: агента, RAG-пайплайн, копилота или инструмент на промптах — в работе, в пет-проекте или в учёбе. Нам важно, что вы довели дело до запуска, а не где именно. - Умение связывать системы: API, вебхуки, интеграции SaaS, асинхронные процессы. - Умение общаться с нетехническими специалистами, выяснять их реальные потребности и добиваться внедрения — это так же важно, как код. - Быстрота в условиях неопределённости и итерации на основе реальной обратной связи. Бонусы, не обязательные - Опыт создания копилотов, агентов или автоматизации рабочих процессов. - Использование оркестрационных фреймворков (LangChain, Temporal или аналогичных). - Опыт работы с векторными базами данных или системами поиска. - Интеграции с Salesforce, Slack, Zendesk, Notion или Jira. - Опыт работы в стартапе или быстрорастущей компании. Как выглядит успех - Первые недели: вы запустили первый внутренний инструмент, и бизнес-команда активно использует его ежедневно. - В течение 2 месяцев: работают 2–3 инструмента, и заинтересованные стороны сами приходят к вам с идеями. - К 3-му месяцу: вы установили базовые практики команды по оценке, управлению промптами и безопасному развёртыванию LLM — фундамент, на котором будет развиваться функция. Зарплата и условия - Вилка зарплаты: $120,000–$150,000 USD. - Оплачиваемый отпуск (Open Paid Time Off). - Оплачиваемый отпуск по уходу за ребёнком. - Профессиональное развитие. - Стипендии на здоровье и технологии. - Щедрая реферальная программа для сотрудников. - Опционы на акции компании.