Senior AI / ML ENGINEER (RAG, LLM-оркестрация, интеграции)

1. LLM-инженерия и обработка естественного языка

Опыт решения задач:

• построение многоступенчатых LLM-воркфлоу;

• классификация запросов, маршрутизация, определение интента;

• генерация структурированных ответов под строгими правилами;

• построение guardrails, проверок политик и комплайнса;

• работа с prompt-архитектурами, системными ролями, инструкционными пайплайнами.

Знание LLM-API:

• OpenAI / Claude / Llama-локальные модели;

• умение работать с токен-лимитами, rate limits, логированием.

2. Retrieval-Augmented Generation (RAG)

Нужен уверенный опыт в создании RAG-систем:

• построение ETL-цепочек: загрузка → парсинг → нормализация → нарезка → эмбеддинги;

• работа с PDF/HTML/docx-документами, включая сложные структуры;

• генерация эмбеддингов (OpenAI, local, bge, Instructor и т.п.);

• построение поискового слоя: dense vectors, hybrid search, reranking;

• опыт оптимизации качества поиска: chunking strategy, context windows, indexing policies.

Хранилища:

• Qdrant / Elastic / Weaviate / Pinecone (любой векторный движок);

• Postgres + S3-подобные стораджи.

3. API-интеграции и работа с внешними источниками данных

Опыт интеграции крупного внешнего контента:

• загрузка больших массивов документов из API;

• соблюдение разных типов лицензий и правил доступа;

• кэширование, версионирование, периодическая репликация данных;

• парсинг сложных страниц и документов;

• работа с XML/JSON API (Entrez, REST, SOAP, custom endpoints).

4. Backend-разработка

Нужен уверенный инженерный подход:

• Python (FastAPI или аналогичный фреймворк);

• построение модульной архитектуры с отдельным Core API;

• асинхронные пайплайны и очереди (Celery, Redis streams, asyncio);

• авторизация/аутентификация, логирование, rate-limiting.

5. Автоматизация процессов и интеграционные оркестраторы

Опыт работы хотя бы с одним низко-кодовым/оркестрационным инструментом:

• n8n / Airflow / Make / Zapier self-hosted / Node-RED;

• создание кастомных нод или HTTP-коннекторов;

• обработка писем через IMAP/SMTP;

• вызовы к REST API сторонних систем;

• построение цепочек автоматизаций с учётом SLA, ошибок, ретраев.

6. Работа с базами данных и инфраструктурой

• уверенный SQL (Postgres);

• нормализация схем, индексы, миграции;

• Docker, docker-compose;

• базовый DevOps: деплой, логирование, мониторинг.

Плюсом будет:

• опыт self-hosted развёртывания сервисов (n8n, Qdrant, внутренние APIs);

• понимание distributed systems и масштабирования воркфлоу.

7. Опыт работы в среде Cursor (или аналогичных AI-IDE)

• умение вести разработку в AI-ориентированной среде: структурирование задач, работа с ветками, управление изменениями через AI-ассистентов;

• опыт построения длинных технических цепочек (ETL, RAG, интеграции) внутри Cursor с корректным разбиением на файлы и модули;

• понимание, как использовать Cursor для ускорения разработки: рефакторинг, автогенерация кода, создание тестов, поддержка документации;

• способность выстраивать чистую архитектуру, чтобы AI-IDE не “ломала” проект и не вносила ошибки.

8. Безопасность и комплайнс

Необходимо понимать базовые принципы:

• ограничения на вывод моделей (guardrails, policy enforcement);

• фильтрация опасных запросов;

• режимы ограниченного доступа к данным;

• строгий учёт источников в выводе;

• запрет на персональные данные и защита пользовательских входов.

В идеале еще:

• Опыт разработки Telegram-ботов
• Базовые frontend-компетенции

Обязанности

1. Архитектура и системный дизайн

• разработка архитектуры AI-модулей, RAG-поиска, ETL-конвейеров и backend-сервисов;

• проектирование структур данных, индексов, хранилищ и API-слоёв;

• выбор и обоснование технического стека, библиотек, моделей, инфраструктурных решений;

• постановка технических стандартов, схемы версионирования контента и принципов комплайнса.

2. Проектирование компонентной схемы и ключевых модулей

• декомпозиция проектов на подсистемы: Core API, оркестратор LLM, индексы, интеграции, Telegram-фронт;

• проектирование потоков данных: загрузка → обработка → индексация → inference;

• создание архитектуры автоматизации процессов (CMS ↔ n8n ↔ внешние сервисы);

• определение SLA, точек отказа, механизмов ретрая и мониторинга.

3. Полный цикл разработки и реализация

• разработка backend-логики (Python/FastAPI), ETL-пайплайнов, модулей RAG и векторных индексов;

• реализация Telegram-бота как фронтенда: меню, состояния, онбординг, ограничения доступа;

• интеграция с API внешних источников, почтовых серверов, CMS, n8n-воркфлоу;

• создание минимальных фронтенд-панелей для внутренних инструментов и админки.

4. Инфраструктура, развёртывание и поддержка

• подготовка Docker-окружения, self-hosted сервисов (n8n, векторные БД, API-сервисы);

• настройка логирования, мониторинга и стабильной работы пайплайнов;

• регулярное обновление индексов, обработка ошибок, оптимизация скорости и качества поиска;

• контроль соответствия проектных решений требованиям безопасности и лицензирования.

5. Контроль качества, валидация и улучшение моделей

• внедрение guardrails, проверок политик и корректной маршрутизации запросов;

• отладка и оптимизация RAG (chunking, embeddings, ranking, prompt-flows);

• тестирование модулей, аудит данных, корректность цитирования и ссылок;

• инициирование улучшений архитектуры и постоянная оптимизация всей системы.

Что важно в подходе

• системное мышление в архитектуре AI-проектов;

• умение работать с большим количеством документов и форматов;

• аккуратность в данных и соблюдение лицензионных ограничений;

• гибкость между высокоуровневым ML и практическим backend-кодом;

• готовность писать чистый, предсказуемый, читаемый Python.

Условия

• удаленка (без совмещений)

• з/п в рынке, бонусы и премии

• мы - трудоголики и достигаторы (ищем таких же)

• тестовое задание - разработка прототипа