LLM-разработчик
Описание
АЙСИ ГРУПП - 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.