Python-разработчик AI-сервисов (LLM / RAG) — Россия, Москва

qkKHPD – это IT-платформа для совместной работы и управления знаниями. Она бесшовно объединяет функции командной работы, ведения базы знаний и корпоративного обучения.

Благодаря разнообразному функционалу она позволяет переводить весь накопленный опыт компании в реально работающие навыки и знания сотрудников.

Нам доверяют свои знания известные компании: ВкусВилл, Аналитический центр при Правительстве РФ, Капитал Life, 1С-Рарус, Интерлизинг. А также средний и малый бизнес.

В данный момент команда qkKHPD активно растет, в связи с чем мы будем рады видеть в нашей команде ИИ - разработчика. Востребованный продукт гарантирует быстрый рост и интересные задачи.

Чем предстоит заниматься • Развивать HTTP API и бизнес-логику двух асинхронных Python-сервисов на FastAPI.

• Проектировать и реализовывать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов.

• Развивать агентные сценарии на LangChain, LangGraph и deepagents: инструменты, middleware, ограничения числа вызовов, защита от циклов и контроль контрактов ответа.

• Улучшать качество семантического поиска: chunking, dense/sparse retrieval, фильтры Qdrant, reranking, RRF и token budget.

• Развивать событийную индексацию статей, файлов и структурированного контента через Kafka.

• Обеспечивать корректную мультитенантность и фильтрацию результатов по правам пользователей, групп и сообществ.

• Интегрировать и заменять LLM-, embedding- и reranking-провайдеры, включая OpenAI-compatible API, vLLM и Ollama.

• Работать с PostgreSQL, Redis и Qdrant, проектировать модели данных и Alembic-миграции.

• Диагностировать проблемы качества, производительности и надежности на границах внешних сервисов.

• Развивать автоматические тесты и quality gates, поддерживать воспроизводимые локальные и CI-окружения.

• Улучшать наблюдаемость: структурированные логи, технические метрики, OpenTelemetry и трассировку LLM/RAG через Langfuse.

• Участвовать в декомпозиции задач, ревью кода и принятии архитектурных решений.

Технологический стек • Python 3.12, async/await;

• FastAPI, Pydantic 2;

• SQLAlchemy 2 async, Alembic, PostgreSQL;

• Redis, Apache Kafka, aiokafka;

• Qdrant, dense/sparse vectors, embeddings, reranking, RRF;

• LangChain, LangGraph, deepagents;

• OpenAI-compatible API, vLLM, Ollama;

• Pytest, pytest-asyncio, mypy, Black, Flake8;

• Docker, Docker Compose, Kubernetes, GitLab CI;

• Langfuse, OpenTelemetry.

Что для нас важно • Уверенное владение Python и практический опыт разработки backend-сервисов.

• Хорошее понимание асинхронного программирования: event loop, конкурентный I/O, таймауты, отмена, управление ресурсами и graceful shutdown.

• Опыт разработки API на FastAPI или сопоставимом Python-фреймворке.

• Практический опыт с PostgreSQL и SQLAlchemy: транзакции, конкурентный доступ, индексы, миграции и диагностика запросов.

• Опыт интеграции внешних сервисов и проектирования устойчивого взаимодействия: retry/backoff, timeout, idempotency, ограничение параллелизма и обработка частичных отказов.

• Понимание событийной архитектуры и семантики Kafka consumer: consumer groups, offset commit, rebalance, повторная доставка и идемпотентная обработка.

• Понимание устройства RAG: chunking, embeddings, retrieval, reranking, контекстное окно, ограничения LLM и способы снижения галлюцинаций.

• Умение писать unit- и интеграционные тесты для асинхронного кода, отделяя бизнес-логику от внешней инфраструктуры.

• Способность разбираться в существующей кодовой базе, находить причины проблем и предлагать минимальные, проверяемые изменения.​​​​​​

Будет преимуществом

• Production-опыт с Qdrant или другой векторной базой.

• Практический опыт hybrid search, sparse retrieval, reranker и оценки ранжирования по Precision@K, Recall@K, MRR, MAP или NDCG.

• Опыт разработки LLM-приложений на LangChain/LangGraph или другом orchestration framework.

• Опыт работы со structured output, function/tool calling и потоковой генерацией.

• Понимание prompt injection, разграничения доступа к данным и других рисков безопасности RAG/agent-систем.

• Опыт эксплуатации сервисов в Kubernetes и настройки observability.

• Опыт работы с локальными моделями и inference-серверами: vLLM, Ollama, embedding/reranking inference.

Мы предлагаем:

• Офисный формат работы с возможностью перейти на гибрид или удаленку

• Развитие – оплачиваем внешние курсы, даем корпоративную скидку на английский, поддерживаем выступления на конференциях, участие в митапах и вебинарах. Нам хочется развивать экспертность каждого сотрудника!

• Крупный и реально интересный продукт, который меняет мир к лучшему. Мы используем инновационные технологии, создаём передовые решения и предлагаем уникальную возможность быть частью команды, где ваши идеи и навыки могут повлиять на жизни многих людей;

• Комфорт – у нас классный офис в центре Москвы (Китай-город, Курская, Чистые пруды) с уютными рабочими местами. Предоставляем все необходимое для работы: хорошее железо, дополнительные мониторы, лицензированный софт и платные доступы;

• Команда – в qkKHPD действительно сплочённая команда профессионалов. Мы ценим работу каждого сотрудника, поддерживаем инициативы и помогаем с решением проблем;

• Яркая жизнь вне работы – каждый месяц устраиваем корпоративы, все вместе выезжаем на природу, ходим в бары и на квизы, участвуем в спортивных мероприятиях, играем в страйкбол, проводим вечера кино и смотрим шоу в комнате отдыха. Cтараемся, чтобы не только работать было комфортно, но и отдыхать хотелось вместе!

Данное описание вакансии не является офертой.