Python-разработчик LLM-сервисов и ИИ-агентов (Junior)

Мы строим ИИ-помощников для внутренних подразделений компании. Первый проект - ассистент финансовой службы, который отвечает финансистам по данным 1С, регламентам и учётной политике и всегда опирается на источник. Ищем Python-разработчика уровня Junior, который хочет вырасти в инженера LLM-сервисов, - всему, чего пока нет, научим.

Задачи:

• Разрабатывать LLM-сервисы и ИИ-агентов на Python (FastAPI).

• Строить RAG-контур - база знаний (регламенты, учётная политика), векторный поиск, ответы строго по источникам.

• Подключать LLM к внутренним сервисам - 1С (выгрузки, HTTP-сервисы), базы данных, n8n, AnythingLLM.

• Доводить сервисы до продакшена - API, обработка ошибок, безопасность, наблюдаемость (видим, сколько тратим и что отвечаем).

• Поддерживать и развивать агентов - обновлять после смены модели или промпта, чинить инциденты, откатывать версии.

• Следить за трендами LLM/агентов и предлагать, что применимо у нас.

Длянас важно

• Python - уверенное владение, типизация, async/await, ООП, unit-тесты, Git.

• Коммерческий опыт от 1 года или сильные пет-проекты - оцениваем по коду, а не по строчке в резюме.

• Опыт вызова LLM через API (OpenAI-совместимые) - промптинг, structured output, tool calling. Пет-проекты считаются.

• Понимание ограничений LLM - галлюцинации, недетерминизм, стоимость, латентность. Честное «не знаю» лучше выдумки, это у нас принцип.

• Понимание агентного цикла «модель → вызов инструмента → результат» - и когда агент не нужен, а хватит простого пайплайна.

• Базовые FastAPI (или аналогичный фреймворк) и SQL.

Научим/будет плюсом

• RAG-тонкости - embeddings, векторные хранилища (pgvector/Qdrant/FAISS), chunking, faithfulness (ответ не выдумывает сверх найденного).

• Наблюдаемость - трассировка запросов (сколько шагов делает модель, какие инструменты вызывает, сколько стоит). Langfuse/Phoenix/OpenTelemetry - плюс.

• Evals - набор проверочных кейсов и прогон регресса при смене промпта или модели.

• MCP (Model Context Protocol) - у нас подключение агентов к 1С идёт через MCP, покажем и научим.

• Безопасность финансовых данных - prompt injection, read-only по умолчанию, секреты в env, лимиты и журналирование. Покажем, как устроено у нас.

• Docker, CI/CD, Linux на рабочем уровне.

• Локальные/self-hosted модели (Ollama, vLLM) - у нас основная платформа Cloud.ru.

• n8n, AnythingLLM.

• Знание 1С, финансов/бухгалтерии - плюс.

Мы предлагаем

• Гибридный формат - офис и работа из дома.

• Команда, где ценится качество и честность; наставник рядом, рост до инженера LLM-сервисов.

• Работа на стыке классической разработки, инфраструктуры и ИИ.

• Уровень заработной платы обсуждается индивидуально с успешным кандидатом по результатам собеседования.