Middle Python Developer / Applied AI Engineer (LLM, RAG)
Описание
Middle Python Developer / Applied AI Engineer LLM • RAG • AI Agents • FastAPI Мы развиваем прикладные AI-продукты: корпоративный поиск и RAG, AI-агентов, обработку документов и OCR, анализ встреч и проектов, обучение сотрудников и AI-функции для финтех-продуктов. Ищем Python-разработчика, который умеет доводить решения от прототипа до рабочего сервиса. Чем предстоит заниматься • Разрабатывать backend-сервисы на Python / FastAPI для AI-продуктов и внутренних платформ. • Интегрировать корпоративные, внешние и локальные LLM, реализовывать tool calling, AI-агентов и многошаговые сценарии. • Строить RAG и интеллектуальный поиск по документам, базам знаний, Jira, Confluence, встречам и другим корпоративным источникам. • Разрабатывать пайплайны обработки PDF, изображений, OCR, таблиц и транскриптов. • Работать с PostgreSQL, Redis, Qdrant, API и корпоративными системами. • Доводить PoC/MVP до устойчивого сервиса: тесты, логирование, метрики, Docker и Linux. Что мы ожидаем • Коммерческий опыт разработки на Python от 3 лет. • Уверенное знание Python: typing, asyncio, API, обработка ошибок, проектирование backend-сервисов. • Практический опыт с FastAPI или аналогичным фреймворком, Pydantic и SQLAlchemy. • Хорошее знание SQL и практический опыт с PostgreSQL. • Опыт интеграции внешних и корпоративных API. • Практический опыт разработки приложений с LLM API и понимание structured output, недетерминированности, лимитов, стоимости и оценки качества. • Понимание RAG: embeddings, chunking, retrieval, reranking, векторный поиск. • Опыт с Docker и Linux; умение разбираться в существующем коде и самостоятельно доводить задачу до результата. Будет плюсом • Qdrant / pgvector, Redis и фоновые очереди задач. • LiteLLM, Langfuse, vLLM, Hugging Face или аналогичный LLM-инфраструктурный стек. • OCR / Computer Vision, классический ML (scikit-learn, CatBoost, LightGBM). • Microsoft 365 / Graph / Entra ID, TypeScript / React, опыт работы в финтехе или банках. Наш стек Python, FastAPI, Pydantic, SQLAlchemy, PostgreSQL, Redis, Qdrant, LiteLLM, Langfuse, Docker, Linux, GitHub Actions, Jira, Confluence, Microsoft 365. Как устроена работа Небольшая команда, широкий круг задач и много самостоятельности. Основной фокус роли — прикладная инженерия: понять бизнес-задачу, выбрать достаточно простое решение, проверить его на реальных данных и довести до состояния, которым могут пользоваться люди. Формат: полная занятость, гибрид, Москва.