- Зарплата
- до 7 000 $
Откликайтесь
на вакансии с ИИ
Agentic Systems Engineer (Python)
Оценка ИИОтличное предложение для инженеров на острие технологий (AI/Agents) с высокой зарплатой в валюте и возможностью карьерного роста до лида команды. Удаленный формат и работа над интересным продуктом в сфере контента добавляют привлекательности.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием не просто знать Python, но и иметь глубокий практический опыт работы с агентными фреймворками и LLM в продакшене. Позиция подразумевает высокую степень автономности и умение выстраивать сложные workflows с нуля.
Анализ зарплаты
Оценка ИИПредлагаемая ставка до $7000 net является очень конкурентоспособной для позиции Senior AI/Python Engineer на европейском рынке и в СНГ. Она соответствует верхней границе рыночных ожиданий для специалистов с глубокой экспертизой в LLM и Agentic workflows.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Присоединяйтесь к созданию инновационного донат-сервиса и возглавьте разработку агентских систем нового поколения!
Описание вакансии
#vacancy #backend #python #ai #llm #agentic #ops #europe #job #remote
**Agentic Systems Engineer (Python)
Компания:** стартап, создающий донат-сервис нового поколения. Строит публичные рейтинги контента и авторов (кино, сериалы, книги), где донаты преобразуются в защищённые маркеры качества и репутации.
Локация: Удалённо (Европа / СНГ, кроме РФ и РБ).
Суть роли:Нужен инженер, который использует агентов основной рабочий инструмент каждый день. Который умеет нечёткую бизнес-задачу и превратить в работающую систему, управляя агентами как командой: ставит задачи, контролирует результат, итерирует.
Чем предстоит заниматься:\* Проектировать и строить многошаговые агентные workflows как рабочий слой бизнес-инфраструктуры: с памятью, tool calling, human approval в нужных точках и контролем качества
\* Переводить существующие наработки рейтингования в стабильную, автоматизированную и масштабируемую production-систему
\* Самостоятельно разбираться в доменной бизнес-логике и собирать надёжные прикладные решения с нуля
\* Работать с LLM API, базами данных, внутренними системами, очередями, логами и правами доступа в реальном production
\* Выстраивать evaluation и observability: логировать цепочки вызовов, замерять качество результата, настраивать алерты
Требования:\* Опыт ежедневной работы через агентов - Claude Code, Codex, Cursor или собственный pipeline. Как основной рабочий процесс
\* Сильная backend-основа: Python (asyncio), PostgreSQL/ClickHouse, очереди, production-системы под нагрузку
\* Практический опыт с LLM в production- tool calling, structured outputs, RAG, vector databases
\* Умение определить, где агент работает сам, где нужен человек, как проверить результат и передать систему в эксплуатацию
\* Хорошее понимание ограничения моделей
\* Английский B2+, русский для внутренней коммуникации
\* Физически за пределами РФ/РБ, готовность к B2B-контракту
Условия:
\* Долгосрочный B2B контракт
\* Ставка до $7000 net (в зависимости от стека и опыта)
\* По мере роста продукта- возможность делегировать задачи и построить собственную команду
Контакт: Чернова Анна, ТГ: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- PostgreSQL
- RAG
- ClickHouse
- Vector Databases
- Cursor
- Claude Code
- asyncio
- Tool Calling
- Structured Outputs
Возможные вопросы на собеседовании
Проверка практического опыта работы с агентными системами и понимания их жизненного цикла.
Расскажите о самом сложном многошаговом агентном workflow, который вы проектировали: как вы решали проблему зацикливания и контроля качества на каждом этапе?
Оценка навыков работы с данными и производительностью в контексте LLM.
Как вы подходите к реализации эффективного RAG для системы с большим объемом динамически обновляющихся данных (например, рейтинги контента)?
Проверка умения работать с неопределенностью и бизнес-логикой.
Как вы определяете точки 'human-in-the-loop' в автоматизированном процессе, чтобы соблюсти баланс между скоростью агента и надежностью системы?
Технический стек и асинхронность.
Какие основные сложности возникают при интеграции LLM API в высоконагруженные асинхронные Python-приложения и как вы их нивелируете?
Оценка навыков мониторинга.
Какие метрики и инструменты вы считаете критически важными для observability агентных систем в production?
Похожие вакансии
Разработчик с фокусом на интеграцию LLM и AI-технологий
AI креативный менеджер
AI/LLM Инженер
Python-разработчик / AI-интегратор в финтех-стартап
AI Harness Engineer / ML Engineer
Креатор / Менеджер по нейросетям
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!