Лидер круга Агенты «Право (Консультант)» / Lead AI Engineer

Описание

ПравоТех — продуктовая IT-компания, которая с 2008 года создаёт решения для автоматизации юридических бизнес-процессов. Нашими продуктами ежедневно пользуются тысячи компаний по всей стране, включая крупнейшие банки, страховые компании и корпоративных клиентов. Сегодня мы развиваем «Право.Консультант» — AI-продукт, который помогает юристам решать профессиональные задачи с использованием больших языковых моделей, интеллектуального поиска и AI-агентов. Мы ищем Lead AI Engineer — технического лидера команды AI-агентов, который возьмёт на себя развитие агентного контура продукта, повышение качества юридических ответов и обеспечение стабильной работы AI-системы в production. Это позиция для сильного AI-инженера, который хочет не только разрабатывать сложные решения, но и влиять на архитектуру, техническую стратегию и результат команды. Нам нужен играющий технический лидер, который умеет самостоятельно писать production-код на Python, разбираться в работе LLM/RAG-систем, находить причины ошибок, проводить эксперименты и превращать технические изменения в измеримое улучшение продукта. На старте около 40–60% времени будет занимать hands-on работа: разработка, архитектура, технические эксперименты, evals, code review и решение сложных production-задач. Остальная часть роли — техническое лидерство, развитие команды, управление приоритетами и ответственность за качество AI-продукта. Твой ключевой результат — не количество реализованных функций, а качество, надёжность и практическая полезность AI-агентов для пользователей. Чем предстоит заниматься: Развивать AI-агентов и архитектуру продукта: Проектировать и развивать агентные сценарии на Python с использованием LLM, RAG, tool calling и structured output. Работать с агентной оркестрацией, контекстом, промптами и интеграциями с внешними инструментами. Развивать retrieval-контур: embeddings, vector search, chunking, reranking и работу с источниками. Принимать архитектурные решения, устранять технический долг и повышать устойчивость системы. Лично участвовать в разработке, отладке и code review критически важных компонентов. Отвечать за качество AI-ответов: Развивать систему оценки качества LLM и AI-агентов: benchmarks, evals, regression testing, LLM-as-a-Judge. Находить причины галлюцинаций, некорректных ссылок, ошибок поиска и потери контекста. Выстраивать проверки достоверности ответов и корректности использования первоисточников. Проводить эксперименты с моделями, промптами, retrieval и агентной логикой. Принимать решения о выпуске изменений на основе измеримых результатов. Обеспечивать production-надёжность: Работать с model routing, fallback, retries, timeout, streaming и ограничениями LLM-провайдеров. Развивать наблюдаемость AI-системы: логи, метрики, traces, мониторинг ошибок. Оптимизировать latency, стоимость инференса и эффективность использования моделей. Повышать стабильность агентного контура и предотвращать повторное появление дефектов. Лидировать команду и техническое развитие: Формировать технические приоритеты и roadmap совместно с командой и CEO. Управлять фокусом команды, ограничивать количество параллельных задач и доводить инициативы до результата. Развивать инженеров, распределять зоны ответственности и поддерживать высокий инженерный стандарт. Взаимодействовать со смежными командами — Product, Platform, Data и другими. Принимать решения на основе метрик качества, надёжности и стоимости, а не только скорости разработки. Для нас важно: Сильный практический опыт разработки AI/LLM-систем, работающих в production. Уверенный Python и готовность самостоятельно писать, отлаживать и ревьюить production-код. Опыт разработки backend-сервисов на FastAPI, Pydantic, asyncio/httpx. Практический опыт построения RAG-систем: embeddings, vector search, retrieval, chunking, reranking. Опыт интеграции LLM через API, работы с tool calling, structured output, streaming и управлением контекстом. Опыт построения или развития системы оценки качества LLM: evals, benchmarks, тестовые наборы, анализ ошибок. Понимание работы PostgreSQL, Redis, MongoDB и асинхронного взаимодействия между сервисами. Практический опыт работы с Docker, Kubernetes, CI/CD и инструментами наблюдаемости. Опыт использования AI coding agents в реальной разработке. Опыт технического лидерства и управления сильной инженерной или кросс-функциональной командой. Умение самостоятельно принимать архитектурные решения, расставлять приоритеты и отвечать за измеримый результат. Будет плюсом: Опыт разработки AI-агентов с использованием LangChain, LangGraph, MCP/FastMCP или аналогичных инструментов. Опыт работы с Qdrant или другими векторными базами данных. Опыт применения DeepEval, LLM-as-a-Judge, red-team-проверок и тестирования AI-систем. Опыт работы в LegalTech, FinTech, MedTech или других областях с высокими требованиями к точности и надёжности. Понимание архитектуры on-prem AI-решений. Опыт работы с Go, event-driven архитектурой и обработкой больших массивов документов. Опыт оптимизации стоимости LLM-инференса и экономики AI-продуктов. 💡 Наш технологический стек Backend: Python 3.11+, FastAPI, Pydantic v2, asyncio, httpx, PostgreSQL, Redis, MongoDB. AI/LLM: LangChain, OpenAI-compatible API, OpenRouter, LiteLLM, vLLM, Qwen, Claude, tool calling, structured output. RAG & Search: Qdrant, embeddings, retrieval, reranking, работа с документами и поисковыми индексами. Quality & Testing: pytest, DeepEval, DeepTeam, LLM-as-a-Judge, GitLab CI. Infrastructure: Docker, Kubernetes, Helm, Argo CD, OpenTelemetry, Prometheus, Grafana. Не ожидаем, что ты работал абсолютно со всеми перечисленными инструментами. Для нас важнее глубокое понимание принципов построения production AI-систем и способность самостоятельно разбираться в новых технологиях. Что предлагаем: Работу в аккредитованной IT-компании с официальным трудоустройством. Возможность развивать сложный AI-продукт на пересечении LLM, RAG и LegalTech. Высокую автономность, прямое взаимодействие с основателем компании и влияние на развитие продукта. Сильную команду, современные технологии и возможность экспериментировать. ДМС и корпоративные программы поддержки сотрудников. Как происходит отбор: Мы используем нестандартный формат выбора лидеров — выборы. После знакомства с рекрутером и оценки технической экспертизы финалисты получают вводные о продукте и готовят своё видение его развития. На выборах каждому кандидату предоставляется 15 минут на презентацию и 15 минут на вопросы. В обсуждении и принятии решения участвуют будущая команда и заинтересованные коллеги. Для нас это возможность не только оценить опыт, но и понять, насколько совпадают наши подходы к продукту, технологиям и совместной работе. Если тебе близка роль, в которой можно одновременно создавать AI-продукт своими руками, развивать команду и влиять на результат — будем рады познакомиться!