AI / LLM Engineer (Go + Python)

🙂 Новая вакансия 📍Development AI / LLM Engineer (Go + Python) Удалённо (Мир) Ищем AI/LLM Engineer, который будет проектировать и развивать production-системы на базе LLM. — Нам нужен не классический Data Scientist и не специалист, который занимается только промптами. Ищем инженера, который умеет собрать LLM-систему целиком: от prompt/context logic и агентных сценариев до backend-сервисов, интеграций, тестирования и запуска в production. ‍ ОСНОВНОЙ СТЕК — Go + Python. — Go — используем для production-backend, сервисов и высоконагруженной бизнес-логики. — Python — для LLM-инфраструктуры, AI-компонентов, прототипирования и экспериментов. ‍ Чем предстоит заниматься: - Проектировать и развивать LLM/AI-системы и AI-агентов; - Строить многошаговые agentic workflows: routing, tool calling, state management; - Работать с Prompt Engineering и Context Engineering; - Управлять контекстом, памятью и состоянием диалога; - Реализовывать structured output и function/tool calling; - Строить RAG-пайплайны: chunking, embeddings, retrieval, reranking; - Интегрировать LLM с API, базами данных и внутренними сервисами; - Разрабатывать backend-сервисы на Go и AI-компоненты на Python; - Исследовать новые модели и подходы, быстро проверять гипотезы; - Выбирать модели с учетом качества, latency и стоимости; - Строить систему оценки качества: evals, regression tests, golden datasets, LLM-as-a-judge; - Анализировать логи и traces, улучшать качество и стабильность агентов; - Реализовывать retries, fallbacks, timeouts и обработку ошибок; - Доводить решения от прототипа до стабильного production. ‍ Что мы ожидаем: Go: - production-сервисы; - REST/gRPC API; - concurrency; - работа с БД; - микросервисная архитектура. Python: - AI-сервисы и backend; - async; - API; - обработка данных; - быстрое прототипирование. ‍ Также важно: - Практический опыт разработки **production-приложений с LLM; - Понимание архитектуры современных AI-систем: prompt → context → tools → agent → state → evaluation; - Опыт Prompt Engineering: system prompts, few-shot, prompt chaining, structured output; - Опыт Context Engineering: memory, summarization, динамическая сборка контекста; - Опыт создания AI-агентов и agentic workflows; - Работа с LLM API и понимание особенностей разных моделей; - Понимание RAG: embeddings, vector search, retrieval, reranking, hybrid search; - Понимание evals, regression testing и анализа production-логов; - Опыт с PostgreSQL, MongoDB, Redis, Docker, Git, CI/CD; - Понимание production-подходов: observability, scalability, latency, retries, fallbacks и контроль стоимости. ‍ Будет плюсом: - Multi-agent системы; - LangGraph; - MCP; - Langfuse / LangSmith; - Elasticsearch / OpenSearch; - Open-source LLM: Qwen, Llama, DeepSeek и др.; - vLLM / Ollama; - Kafka / RabbitMQ; - Kubernetes; - Оптимизация token usage, latency и стоимости LLM; - Guardrails и защита от prompt injection; - Highload-системы. ‍ ‼️ВАЖНО Ищем инженера, который воспринимает LLM не как простой API, а как компонент большой production-системы. Важно уметь проектировать всю логику вокруг модели: какие данные передать в контекст, какого агента или инструмент вызвать, как проверить результат, обработать ошибку и определить следующий шаг. Ищем software engineer с сильной AI/LLM-экспертизой, который умеет не только написать хороший промпт, но и довести всю систему до стабильного production-решения. ‍ 👀 Откликнуться: @•••••• 🍿 ——— 🖤 Разместить вакансию 🐢 C-Level 💚 Джунам 🫶 Удалёнка джунам 💜 За рубежом 💚 Разрабам 💖 Дизайнерам 🟠 Маркетологам 🖤 HR 💜 QA 🟡 Менеджерам 🔴 Аналитикам 💚 разместить резюме и быстро найти работу → t.me/••••••