Обязанности:
Ищем инженера, который проектирует и реализует production AI-пайплайны: LLM agents, RAG, tool calling, image/text workflows, evals, observability. Важно уметь доводить AI-функции до стабильного пользовательского сценария, а не только делать прототипы. В продукте есть задачи генерации изображений, анализа композиций, B2B-ассистента, подбора растений, работы с каталогами и рекомендациями. Нужен человек, который умеет проектировать AI-сценарий целиком: входные данные, промпты, инструменты, контракты API, обработку ошибок, evals и мониторинг качества. Задачи: разрабатывать AI-пайплайны для генерации, анализа, композиций и рекомендаций; строить agent workflows с использованием tools/function calling; настраивать RAG, embeddings, vector search и контекстные ответы; проектировать eval-наборы и regression checks для AI-ответов; работать с backend/API, Supabase Edge Functions, storage и очередями задач; анализировать качество промптов, моделей и ответов; документировать контракты AI-сервисов, сценарии отказов и fallback-логику; участвовать в agentic code review и разборе AI-багов. Требования: Python или TypeScript на production-уровне; опыт с OpenAI/Anthropic/ProxyAPI/аналогами; опыт с LangGraph, LangChain, LlamaIndex, AutoGen или аналогами; опыт с RAG и vector DB: pgvector, Qdrant, Chroma, FAISS; понимание evals, hallucination control, structured output, retries, tracing; умение писать надежные API-интеграции; готовность работать в быстром продуктово-инженерном ритме. Будет плюсом: опыт image generation / image editing pipelines; опыт Supabase, PostgreSQL, Deno Edge Functions; опыт с domain-specific AI assistants; опыт построения multi-agent systems; опыт prompt/model versioning и AI quality reports. Что предлагаем: удаленный формат; задачи на стыке AI, B2B/B2C продукта и генеративных сценариев; возможность строить production AI, а не демо-прототипы; тесную работу с AI Delivery Lead, LLMOps и QA/eval инженером.Похожие вакансии