Fullstack / Backend Developer (LLM, AI-агенты) — middle+

Более недели назад

От 120 000 руб.

Город: Санкт-Петербург. Станции метро: Звенигородская, Пушкинская, Технологический институт 1, Технологический институт 2

Евсеев Богдан Игоревич

Тип занятости: Подработка

Требуемый опыт: Опыт от 1 года

Евсеев Богдан Игоревич

Тип занятости: Подработка

Требуемый опыт: Опыт от 1 года

Обязанности:

О команде Обойма Лаб — российский разработчик ПО на базе ИИ. Мы строим AI-ассистентов, AI-продавцов и автономных агентов, которые глубоко понимают контекст продукта и задачи клиента: анализируют материалы, базы знаний, CRM-данные, ведут диалоги и закрывают сделки. Среди наших готовых решений — лидопоисковик «Лидочка», нейро-секретарь «Верочка», ивент-ассистент «Открывашка». Параллельно мы развиваем IT-инкубатор, где помогаем командам доводить идеи до MVP и первых продаж. Помимо внутренних продуктов, мы ведем крупные проекты под ключ, поэтому сейчас мы ищем сильного инженера, который возьмёт на себя бэкенд и архитектуру наших AI-продуктов — от ТЗ до боевой нагрузки. Это роль не для «исполнителя задач», а для человека, который привык собирать продукты с нуля и отвечать за то, как они работают в проде. Кого мы ищем Fullstack / Backend разработчика уровня middle+ с реальным опытом запуска проектов от нуля до релиза. Человека, который одинаково уверенно проектирует схему БД, предлагает архитектуру под задачу, поднимает инфраструктуру и готов писать код. Главное — берёт ответственность за результат, а не только за свой кусок задачи. Нам нужен инженер, который понимает, как устроены агентные системы изнутри: где у LLM-пайплайна узкие места, почему RAG отвечает некорректно, как считать токены и стоимость. Что предстоит делать Проектировать и развивать архитектуру AI-продуктов: бэкенд, БД, очереди, интеграции, инфраструктура инференса. Вести разработку с нуля до прода — от ТЗ и схемы данных до деплоя и поддержки под нагрузкой. Строить агентные системы и LLM-пайплайны: оркестрация агентов, MCP-интеграции, RAG (включая гибридный поиск и продвинутые схемы вроде GraphRAG), memory, guardrails. Интегрировать AI-решения в CRM (amoCRM, Битрикс24), мессенджеры (Telegram, VK, WhatsApp) и телефонию; собирать события и аналитику использования. Обеспечивать наблюдаемость и качество: логирование промптов, eval-сеты, A/B тесты на LLM, мониторинг латентности и стоимости. Принимать технические решения по выбору моделей (внешние API vs self-hosted, проприетарные vs опенсорс), вендоров и инструментов с учётом требований к данным и законодательству РФ (152-ФЗ, требования к локализации). По мере роста направления — формировать команду, проводить ревью, распределять задачи между ML/бэкенд-разработчиками, выстраивать процессы. Самостоятельно генерировать гипотезы по продукту: предлагать фичи, прототипировать и доводить до релиза то, что взлетает. Бэкенд и архитектура Опыт коммерческой разработки от 2-3 лет, из них минимум 1-1.5 года — на позиции, где вы отвечали за ключевые части бэкенда. Сильный Python (FastAPI / Litestar / aiohttp, asyncio); либо Node.js / TypeScript на сопоставимом уровне. Бонус — если уверенно владеете обоими. Проектирование реляционных БД (PostgreSQL): схема, индексы, оптимизация запросов, миграции. Понимание, когда выбрать NoSQL и какой именно. Опыт работы с очередями и брокерами (Redis, RabbitMQ, Kafka, Celery / Dramatiq / Arq), фоновыми задачами, кэшированием. Понимание того, как держать нагрузку системы, работать с собственным локальным сервером в дата-центре LLM / AI Реальный продакшн-опыт с LLM: системы, которые работают на пользователях. Глубокое понимание того, как устроены агентные пайплайны: оркестрация, tool calling, structured outputs, MCP, контекстное окно и его ограничения. Опыт с современными фреймворками: LangGraph / CrewAI / OpenAI Agents SDK / Pydantic AI или аналоги. Понимание, когда фреймворк нужен, а когда лучше написать своё. Построение RAG-систем: chunking, эмбеддинги, векторные БД (pgvector, Qdrant, Weaviate), гибридный и reranking-поиск, оценка качества ретривера. Понимание разницы между внешними API (OpenAI, Anthropic, Google) и российскими / локальными решениями (YandexGPT, GigaChat, T-Lite, Qwen, Llama-семейство, DeepSeek). Опыт self-hosted инференса (vLLM, llama.cpp, Ollama) — большой плюс. Базовое понимание fine-tuning (LoRA / QLoRA), хотя бы на уровне «знаю, когда это нужно, а когда дешевле поправить промпт или RAG». Личное Опыт построения продуктов с нуля до релиза — это ключевое. Нам важно увидеть в портфолио или резюме проекты, где вы принимали решения Системное мышление: умение декомпозировать большую задачу, видеть зависимости, выбирать MVP-срез. Готовность брать ответственность за результат Адекватная коммуникация на русском, умение объяснить бизнесу, почему «быстро» и «правильно» иногда расходятся. Будет плюсом Опыт интеграций с amoCRM, Битрикс24, Telegram Bot API, VK API. Понимание product-аналитики (метрики удержания, воронки, юнит-экономика AI-фичи). Опыт в проектах с нуля: запуск собственного продукта, участие в акселераторах, технический лидерство в небольшой команде. Что предлагаем Полностью удалённый формат, гибкий график. Главное — результат и отзывчивость в рабочее время. Возможное оформление по ТК РФ, белая зарплата (при успешном собеседовании). Возможна также проектная схема — обсуждается под кандидата. Реальное влияние на продукт: вы не «выполняете тикеты», а формируете техническое лицо компании. Идеи, которые вы предложите и реализуете, могут стать новым продуктом — с вашим участием в его развитии. Рост в технического лидера / CTO направления по мере масштабирования команды. Доступ к экспертизе команды по продажам, маркетингу, продукту и привлечению клиентов — то, чего обычно не хватает разработчикам, чтобы запустить что-то своё. Работа с топовыми клиентами и интересными проектами через инкубатор

Показать контакты

Контакт:

Имя не указано

При звонке сообщите, что Вы нашли вакансию на Rabix.ru

Откликнуться

Разместить Резюме

Распечатать Пожаловаться ID: 154836265