{"id":1170060,"url":"https://alion.io/job/pari-fullstack-ai-engineer","title":"Fullstack AI Engineer","company":{"id":66601,"name":"PARI","domain":"pari.ru","url":"https://alion.io/company/pari-ru","size_band":null,"is_staffing_agency":false,"is_intermediary":false,"ats_vendor":null,"truth_index":null},"role":"AI/ML","role_family":"AI/ML","seniority":"middle","employment_type":null,"work_mode":"on_site","remote_scope":null,"hiring_geo_confidence":"structured","locations":["Moscow, Russia"],"countries":["RU"],"hiring_countries":[],"hiring_countries_total":0,"salary":null,"salary_estimate":{"min_usd":31000,"max_usd":64000,"period":"year","method":"role_seniority_country_cell","sample_n":17},"experience_years_min":3,"visa_sponsorship":false,"relocation_package":false,"has_equity":false,"technologies":[{"name":"1C","optional":false},{"name":"AI Agents","optional":false},{"name":"Apache Kafka","optional":false},{"name":"Docker","optional":false},{"name":"Embeddings","optional":false},{"name":"FastAPI","optional":false},{"name":"Function Calling","optional":false},{"name":"Git","optional":false},{"name":"LangChain","optional":false},{"name":"LangGraph","optional":false},{"name":"LiteLLM","optional":false},{"name":"LLM","optional":false},{"name":"LLM Guardrails","optional":false},{"name":"Model Context Protocol","optional":false},{"name":"Python","optional":false},{"name":"Qdrant","optional":false},{"name":"RabbitMQ","optional":false},{"name":"RAG","optional":false},{"name":"SQL","optional":false},{"name":"Structured Outputs","optional":false},{"name":"Tool Use","optional":false}],"status":"live","first_seen_at":"2026-09-24T06:44:43Z","employer_posted_date":null,"last_verified_at":"2026-09-24T06:44:43Z","board_verified":false,"closed_at":null,"days_open":0,"trust":{"level":"not_scored","repost_count":null,"flags":[],"days_open":0},"description":"ИЩЕМ ТИММЕЙТА В КОМАНДУ УПРАВЛЕНИЯ ДОХОДАМИ\n Здесь делают не «AI ради AI», а решения, которые реально входят в ежедневную работу команд. Ты будешь собирать LLM-приложения и агентские сценарии для юристов, финансов, маркетинга, CRM и корпоративных функций - от первой гипотезы до production и регулярного использования\n Это роль для инженера, которому интересно не обучать новые модели с нуля, а заставлять готовые LLM работать внутри бизнеса: подключать инструменты и данные, строить RAG и agentic-flow, интегрироваться с внутренними системами и превращать сложный процесс в работающий продукт\n С тебя - сильная backend-база, скорость экспериментов и готовность самому разобраться в бизнес-задаче, с нас - пространство, где можно быстро проверять идеи, собирать PoC, запускать их на реальных пользователях и масштабировать только то, что доказало эффект.\n В ЧЕМ ТВОЙ ВЫЗОВ?\n Разрабатывать LLM-приложения и агентские сценарии для внутренних команд: маркетинга, финансов, юристов, CRM и других функций\n Интегрировать готовые AI-продукты в операционные процессы и доводить их до ежедневного использования сотрудниками\n Проектировать взаимодействие LLM с инструментами и внутренними данными через tool calling, MCP, RAG, embeddings и векторный поиск\n Интегрировать AI-решения с внутренними системами и сервисами по API: 1С, корпоративными хранилищами, BI и другими источниками\n Развивать LLM-шлюз: подключать несколько моделей и провайдеров, настраивать маршрутизацию, виртуальные ключи, лимиты, бюджеты и guardrails.\n Быстро собирать proof of concept, чтобы за несколько дней проверить техническую и продуктовую гипотезу, а не месяцами полировать решение до первого запуска\n Развивать внутренний AI-чат и подключать к нему скиллы и агентские сценарии для разных команд и процессов\n Строить систему оценки качества: переводить субъективное «работает хорошо» в измеримые критерии и сравнивать модели по качеству, скорости и стоимости\n Настраивать мониторинг AI-сценариев и отслеживать качество после запуска\n Проводить пилоты с замером эффекта, масштабировать решения, которые подтвердили ценность, и поддерживать их после выхода в production\n Работать напрямую с владельцами бизнес-процессов, разработкой, ИБ и юристами - без длинной цепочки посредников между проблемой и техническим решением.\n\n ТРИ СОВПАДЕНИЯ - И НАМ ТОЧНО ПО ПУТИ:\n Ты уже доводил LLM-решения до production и реального использования: ассистенты, RAG, агентские сценарии, tool calling или интеграции с бизнес-процессами. Ты можешь глубоко разложить, как была устроена система, за что отвечал сам и какой эффект решение дало пользователям или бизнесу\n У тебя сильная backend-база, и LLM для тебя - часть полноценной инженерной системы. Ты уверенно работаешь с Python, понимаешь API, очереди, БД, Docker, system design и умеешь собирать вокруг моделей устойчивую архитектуру с RAG, vector search, агентскими flow и LLM gateway\n Ты не будешь неделями проектировать идеальную архитектуру до первого запуска. Ты сам разберешь бизнес-процесс, быстро соберешь рабочий вариант, проверишь его на реальном сценарии, поймешь, что дает эффект, и доведешь решение до production.\n КАКИЕ СКИЛЛЫ НАМ ВАЖНЫ:\n Есть от 3 лет коммерческого опыта backend-разработки на любом языке и минимум год практической работы с Python\n Есть production-опыт с LLM-приложениями: RAG, AI-ассистентами, агентами или другими сценариями, которыми реально пользовались сотрудники или клиенты\n Понимаешь устройство современных LLM-систем: context management, tool/function calling, structured output, embeddings, RAG и agentic-flow\n Работал с LangGraph, LangChain или аналогичными фреймворками для построения агентских сценариев\n Есть опыт интеграции LLM в существующие системы и работы с внешними и внутренними API\n Понимаешь, как устроены LLM-шлюзы типа LiteLLM или аналогов: маршрутизация между провайдерами, виртуальные ключи, лимиты и контроль потребления\n Уверенно ориентируешься в system design: API, очереди, хранилища, кэширование и интеграционные паттерны\n Работал с SQL и базами данных\n Используешь Git, Docker и backend-фреймворки вроде FastAPI или аналогичных\n Есть опыт работы с очередями сообщений: RabbitMQ, Kafka или аналогами\n Работал с векторным поиском и векторными БД: Qdrant или аналогичными решениями\n Умеешь самостоятельно разобраться в бизнес-процессе, предложить технический вариант решения и довести его до production\n Есть опыт проектов среднего или высокого уровня сложности с реальными пользователями и production-нагрузкой.\n ЧТО ДАЛЬШЕ, ЕСЛИ СЛУЧИЛСЯ МЭТЧ?\n Звонок с рекрутером\n Интервью с руководителем\n Финальная встреча в офисе\n СБ и офер.","description_format":"text","description_chars":4597,"description_truncated":false,"requirements":{"experience_years_min":3,"management_years_min":null,"team_size_min":null,"manages_managers":false,"education":null,"security_clearance":false,"languages":[{"language":"Russian","level":"Advanced (C1)","optional":false}]},"benefits":[],"hiring_locations":[],"hiring_excludes":[],"relocation_offered":false,"industries":[],"lifecycle":[{"event":"open","at":"2026-09-24T06:50:29Z"}],"liveness":{"score":86,"band":"hot","label":"Hiring now","p_open":1,"p_active":0.86,"p_room":1,"age_days":0,"expected_fill_days":17,"reasons":["seen:0","win:early"],"computed_at":"2026-09-24T08:17:42Z"},"pay":null,"html_url":"https://alion.io/job/pari-fullstack-ai-engineer","json_url":"https://alion.io/job/pari-fullstack-ai-engineer.json","meta":{"generated_at":"2026-09-24T08:17:42Z","cache_seconds":300,"methodology":"https://alion.io/methodology","terms":"https://alion.io/terms","contact":"https://alion.io/contact","api":"https://alion.io/developers"}}