Разработчик ИИ-агентов и RAG-систем

Цель позиции

Проектирование и развитие архитектуры мультиагентных систем искусственного интеллекта (ИИ-агентов) для автоматизации рутинных и регламентированных бизнес-процессов: от обработки заявок и документов до взаимодействия с внешними системами (CRM, госорганы, внутренние API).

Основные обязанности

• Разработка концепции и архитектуры ИИ-агентов (диалоговых, RAG, планирующих, исполняющих).
• Определение архитектурных паттернов взаимодействия агентов: Orchestrator, Planner, Tool-Executor, Memory, Context Manager.
• Интеграция агентов с существующими системами через REST/gRPC/MQTT/WebSocket шины.
• Построение конвейеров автоматизации бизнес-процессов с использованием LLM-моделей (Gemini, Claude, GPT, Mistral и др.).
• Проектирование RAG-инфраструктуры: хранилище контекста (PostgreSQL/pgvector, Qdrant, Milvus), индексирование корпоративных документов, организация доступа к данным.
• Настройка инструментов взаимодействия агентов с внешними API, CLI и файлами (через MCP/Tool-Call или собственные слои адаптеров).
• Обеспечение соблюдения требований ИБ и регуляторов (KYC/AML, GDPR, локальные регламенты НБ РК).
• Разработка политик доступа, маскирования данных и безопасных каналов вызовов агентов.
• Участие в построении CI/CD-цепочек для ML/LLM решений.
• Развертывание контейнерных сред (Docker, Kubernetes), мониторинг производительности агентов.
• Оптимизация вычислительных ресурсов и кэширования (Redis, FAISS).
• Определение дорожной карты развития архитектуры агентов.
• Консультирование команд разработчиков и аналитиков по использованию ИИ-агентов.
• Подготовка документации и стандартов архитектуры.

Требуемые навыки и опыт

Обязательные:

• Опыт проектирования распределённых систем, микросервисной архитектуры.
• Понимание работы LLM-моделей, RAG-механизмов, embeddings и векторных БД.
• Уверенные знания Python (FastAPI, asyncio, pydantic) и библиотек AI (transformers, sentence-transformers, openai, huggingface, qdrant-client).
• Знание принципов архитектуры REST/gRPC API, очередей сообщений (Kafka, RabbitMQ, MQTT).

Желательные

• Опыт проектирования ML-инфраструктуры (MLflow, Airflow, Vertex AI, SageMaker).
• Опыт интеграции с системами n8n, UiPath, Camunda.
• Знание Docker/Kubernetes и мониторинговых систем (Prometheus, Grafana, Loki).

Образование

Высшее техническое образование (Computer Science, AI, Data Engineering, Systems Architecture). Дополнительные курсы по AI/ML/RAG/LLM архитектуре — преимущество.

Личные качества

• Системное мышление, умение проектировать комплексные решения.
• Способность разложить задачу на независимые ИИ-агенты и взаимодействующие потоки.
• Умение работать в кросс-функциональной команде (аналитики, инженеры, бизнес-архитекторы).
• Проактивность, структурность, внимательность к деталям.

Пример задач

• Проектирование корпоративной RAG-платформы для автоматизации ответов на регуляторные запросы, запросы гос.-органов.
• Создание ИИ-агента, обрабатывающего заявки операционных подразделений на выгрузку данных или показателей.
• Разработка архитектуры агентного оркестратора, управляющего контекстом и доступом к внутренним API.