Обязанности:
Мы строим экосистему цифровых помощников на базе open-source LLM/VLM. Наши AI-агенты не просто «болтают», а автоматизируют бизнес-процессы клиентов — от автоматизации процессов до интеллектуального анализа данных. Мы ищем в команду ML Engineer’а, который построит надёжную и масштабируемую платформу для развёртывания и мониторинга наших AI-агентов и мультиагентских систем.Чем предстоит заниматьсяТы станешь ключевым инженером, который превращает исследовательские прототипы в отказоустойчивую GenOps-фабрику цифровых агентов. Вместе с нами тебе предстоит: Проектировать и внедрять AI-агентов для конкретных бизнес-задач банка Развитие GenOps-платформы — участвовать в создании selfсервисных бэкендсервисов (REST/gRPC), которые позволят датасайентистам и бизнеспользователям быстро разворачивать и настраивать агентов без погружения в инфраструктуру. Организация мониторинга качества — выстраивать систему оценки работы агентов: от метрик качества генерации (ответы, галлюцинации) до бизнеспоказателей (точность, скорость выполнения задач). Проведение code-review, рефакторинг и оптимизация кода; Написание unit-тестов; Обеспечение высокой доступности и масштабируемости систем на основе LLM Какие знания и навыки для нас важны: Знание Python, FastAPI, aiohttp, aiokafka; Понимание основ алгоритмов и структур данных; Опыт работы с брокером сообщений (Kafka, RabbitMQ); Умение работать с асинхронным/многопоточным кодом; Обязательно опыт работы с фреймворками для разработки приложений на базе LLM-моделей (llamaindex/langgraph/langchain/haystack) Знание метрик оценки качества (BLEU, ROUGE, BERTScore и пр), подходов к выявлению галлюцинаций. Приветствуется опыт FullStack разработки, опыт взаимодействия с фронтенд-разработчиками в части передачи API, опыт верстки по макетам; Стек:Python, FastAPI, langchain/llamaindex/langgraph/haystackk8s, docker, S3, postgresОпыт работы с векторными и графовыми БД.Похожие вакансии