LLM Engineer
Описание
Чем предстоит заниматься: Обеспечением технической поддержки AI-сервисов: разбором пользовательских обращений, диагностикой причин проблем, подготовкой и сопровождением ответов до полного решения; Взаимодействием с поставщиками AI-моделей и сервисов: оформлением заявок, контролем выполнения, сбором обратной связи и улучшением качества сервиса на основе инцидентов; Разработкой автоматических ответов и сценариев реагирования для типовых и повторяющихся запросов пользователей; Сбором тикетов из Jira, сервис-десков и мессенджеров и их структурированием в единые потоки задач; Созданием и развитием AI-бота с архитектурой RAG: настройкой системы ретривала, актуализацией базы знаний, формированием и контролем качества генерируемых ответов; Разработкой и поддержкой backend-сервисов на Python (FastAPI, asyncio): проектированием API, обработкой запросов, интеграцией с внешними системами и провайдерами; Разработкой высоконагруженных сервисов и интеграций на Go для сбора и обработки пользовательских обращений; Написанием автоматизированных тестов и проведением оценки качества ответов AI-бота и автоматических сценариев. Мы ожидаем: Коммерческий опыт разработки на Python от 5 лет, из которых не менее 1 года — в автоматизации процессов, ML/AI-проектах или интеграционных решениях; Уверенное владение вторым языком программирования (предпочтительно Go) для разработки сервисов и интеграций; Практический опыт работы в технической поддержке или сервисных процессах: коммуникация с пользователями, обработка обращений, сопровождение задач до закрытия; Навыки взаимодействия с внешними поставщиками услуг: формулирование требований и заявок, контроль выполнения, передача обратной связи от пользователей; Умение структурировать входящие потоки информации и выстраивать процессы обработки тикетов и запросов; Глубокое понимание принципов работы LLM: токенизация, context window, temperature, structured output, prompt engineering; Опыт работы с фреймворком FastAPI и асинхронным программированием (asyncio): проектирование REST API, middleware, обработка ошибок; Опыт эксплуатации и оптимизации баз данных PostgreSQL и Redis; Базовые знания в области контейнеризации и оркестрации (Docker, Kubernetes), понимание архитектуры кластерных сред; Опыт разработки систем оценки (evals) и автоматизированных тестов для LLM-приложений. Условия: Возможность выбора формата работы (гибрид/удаленка);