LLM-разработчик — Россия, Москва

NvZq ztsgU - холдинг, развивающий торговые сети и телекоммуникационную инфраструктуру в Крыму и Новороссии. Компании холдинга занимают ключевые позиции на рынках присутствия и формируют современную среду для жизни и бизнеса в регионах.

В аккредитованную ИТ компанию Холдинга приглашаем кандидатов на позицию LLM-разработчик

Условия:

• Удалённый формат работы;

• Оформление в Аккредитованную ИТ компанию;

• График работы 5\2, с 9:00 до 18:00 по МСК;

• Размер заработной платы обсуждается индивидуально;

• Официальное трудоустройство, согласно ТК РФ;

• Интересные задачи, корпоративное обучение в рамках должности;

• Работа в крупной развивающейся компании.

Наши ожидания:

• Имеете практический опыт разработки и внедрения LLM-приложений в production, самостоятельно создавали RAG-системы и/или AI-агентов и понимаете особенности их эксплуатации;

• Уверенно владеете Python, знаете асинхронное программирование, FastAPI, принципы ООП и SOLID, умеете писать чистый и поддерживаемый код;

• Имеете опыт работы хотя бы с одним из фреймворков для разработки AI-агентов: LangGraph, LangChain, LlamaIndex или Haystack;

• Владеете prompt engineering и context engineering на практическом уровне: умеете работать с few-shot prompting, chain-of-thought и structured output;

• Имеете опыт работы с векторными базами данных (pgvector, Qdrant, Milvus, FAISS), понимаете принципы гибридного поиска и знаете, в каких случаях необходимо применять реранкинг;

• Уверенно работаете с SQL и PostgreSQL;

• Имеете опыт работы с Docker, Git, CI/CD и развёртывания сервисов в production. Будет плюсом опыт деплоя GPU-сервисов;

• Понимаете ограничения современных языковых моделей: особенности контекстного окна, работу с длинным контекстом и узкие места inference;

• Знакомы с инструментами мониторинга, трассировки и оценки качества LLM-приложений: Langfuse, DeepEval или аналогичными решениями;

• Имеете опыт работы с MCP-серверами;

• Знакомы с vLLM или другими инструментами для self-hosted инференса.

Ваши задачи:

• Разрабатывать агентов на базе LLM: multi-turn диалоги, планирование, вызов инструментов, оркестрация моделей внутри пайплайна;

• Писать коннекторы к внутренним системам: Jira, GitLab, CRM, телефония, учетные системы, базы знаний;

• Строить RAG-пайплайны: чанкинг, эмбеддинги, индексирование, гибридный поиск (BM25 + dense), реранкинг, оценка качества retrieval;

• Заменять старые эвристики и классификаторы на LLM-пайплайны с function calling и structured output;

• Подбирать и настраивать эмбеддинг-модели (e5, bge, multilingual-e5) под наши данные и мерить, что стало лучше;

• Проектировать маршрутизацию: какую задачу каким инструментом и какой моделью решать, чтобы не переплачивать за токены;

• Выносить агентов в прод: FastAPI-сервисы, Docker, CI/CD, логирование и трассировка каждого вызова;

• Разбирать боевые ошибки: почему агент ответил не то, где потерялся контекст, на чьей стороне сбой;

• Донастраивать уже выпущенных агентов - это постоянная часть работы, а не разовая.