AI Engineer (LLM / RAG)

Мы — XPGraph, компания, создающая инновационные IT-решения для бизнеса и сотрудничающая со стартапами и крупными европейскими корпорациями. Для одного из наших проектов мы ищем AI Engineer (LLM / RAG / Agents).

О направлении

Мы строим прикладные системы на LLM для клиентов из разных индустрий. Задачи делятся на четыре типа.

• Агенты, которые выполняют многошаговую работу. Планируют, вызывают инструменты, разбираются со сбоями, доводят процесс до результата под присмотром человека.
• Автоматизация там, где публичного API нет. Агент работает с интерфейсом приложения так же, как работал бы оператор.
• Поиск и системы знаний (RAG). Разбираем документы, строим гибридный поиск и реранкинг, отвечаем со ссылкой на источник.
• Встраивание LLM в готовые продукты.

Чем предстоит заниматься

• Проектировать и развивать рантайм агентов: как он ведёт шаги, вызывает инструменты, читает структурированные ответы модели, переживает сбои и повторы.

• Описывать инструменты строгими контрактами: типизированные схемы, закрытый перечень кодов ошибок.

• Делать долгоживущие процессы. Сохранять состояние, продолжать после перезапуска, встраивать human-in-the-loop.

• Строить оценку качества: эталонные сценарии, прогоны на записанных трассах, регрессионные гейты в CI.

• Настраивать наблюдаемость и считать экономику: трассы запусков, стоимость, разбор причин деградации.

• Собирать контекст модели: что попадает в промпт, что кэшируется, как сжимать историю диалога, какие знания вынести из промпта в данные.

• Развивать поиск там, где он нужен: чанкинг, гибридный поиск, реранк, измерение качества ретривера.

• Закрывать приватность и безопасность: редактирование PII, защита от инъекций в промпт, ограничения на необратимые действия.

• Работать в распределённой команде (AI, Dev, DevOps, QA), созваниваться ежедневно, общаться на английском.

Мы ожидаем, что вы

• Пишете на Python в коммерческой разработке от 3 лет: версия 3.11+, async, типизация, Pydantic.

• Уверенно владеете FastAPI или аналогом, понимаете, как стримить ответ клиенту.

• Работали с LLM API руками: tool calling, структурированный вывод, стриминг, работа с окном контекста и стоимостью токенов.

• Использовали агентные фреймворки (LangGraph/LangChain, OpenAI Agents SDK, Pydantic AI, DeepAgents, LlamaIndex).

• Разбираетесь в надёжности агентных систем: идемпотентность, ограниченные повторы, ловля зацикливания, graceful degradation.

• Умеете измерять качество LLM-систем: эталонные наборы, метрики, слабые места подхода «LLM как судья».

• Понимаете архитектуру RAG: чанкинг, эмбеддинги, реранк, оценка качества.

• Пишете тесты на pytest и playwright и умеете проверять недетерминированное поведение: фикстуры, записанные трассы, snapshot и replay.

• Работали с PostgreSQL.

• Держите границы модулей, применяете OOP, SOLID, DRY.

• Английский от B1+: читаете и пишете техническую документацию, общаетесь с командой, участвуете в митингах, обсуждаете подходы и архитектуру.

Будет большим плюсом

• Автоматизация интерфейсов: Playwright/CDP, Windows UI Automation (pywinauto/UIA), Selenium.

• Опыт с computer-use и визуальными моделями.

• MCP и экосистема стандартизации инструментов агента.

• Мультиагентные схемы: субагенты, разделение планирования и исполнения, изоляция контекста.

• Наблюдаемость LLM: OpenTelemetry с GenAI-конвенциями, LangSmith, Langfuse, учёт стоимости запусков.

• Векторные БД (Qdrant, Weaviate, pgvector) и пайплайны эмбеддингов.

• Guardrails и PII: Presidio или аналоги, политика хранения данных.

• Облака, предпочтительно Azure (Container Apps/AKS, Blob, Key Vault, Monitor), Docker, CI/CD на GitLab.

• Локальные и открытые модели, ускорение инференса (vLLM, Ollama).

• Классический ML и обработка данных.

• Вклад в open source вокруг агентов и инструментов для них.

Мы предлагаем:

• Помощь с оформление всех документов для рабочей визы.

• Гибкий и удаленный формат работы.

• Корпоративные курсы английского языка онлайн.

• Другие условия обсуждаемые персонально.

*Вакансия на перспективу