- Страна
- Россия
AI Agent Engineer (NLP/LLM)
Оценка ИИАктуальный и востребованный стек технологий (LangGraph, MCP), возможность удаленной работы и четкие требования делают вакансию привлекательной для специалистов в области Generative AI. Компания IEK GROUP — крупный и стабильный игрок на рынке.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в узкой нише (LangGraph, MCP, RAG) и готовности работать без онбординга, что повышает порог входа. Высокая планка по стеку технологий компенсируется четко очерченным кругом задач.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции уровня Middle AI Engineer с таким специфическим стеком (LangGraph, RAG) рыночные предложения в России обычно начинаются от 250 000 рублей. Специалисты с опытом внедрения агентов в продакшн сейчас в дефиците, что позволяет претендовать на верхнюю границу рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
IEK GROUP
AI Agent Engineer (NLP/LLM)
Опыт работы: 1–3 года
Полная занятость
График: 5/2
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-Разрабатывать мульти‑агентные системы на LangGraph (ReAct, Human‑in‑the‑loop, Subagents и др)
-Разрабатывать RAG‑пайплайнов, работать с векторными и полнотекстовыми хранилищами
-Использование типовые и разрабатывать корпоративные MCP
-Упаковывать агентов в микросервисы (FastAPI)
-Работать с платформами: n8n, Dify, OpenWebUI
-Интегрировать решения с корпоративными системами: DWH, S3, 1С, CRM, Bitrix, WMS, REST API
*☑️* Наши пожелания к кандидатам
-Профильное образование (IT / математика / инженерное)
-Опыт в AI/LLM‑проектах аналогичного стека — от 2 лет
-Уверенный / продвинутый уровень в обязательном стеке
-Практический опыт с большинством инструментов из блока «Работал»
-Наличие внедрённых AI/LLM‑решений в промышленной эксплуатации
-Высокая самостоятельность, готовность работать без онбординга в стек
Обязательно: Python, FastAPI, LangGraph, RAG, MCP, OpenAI API, промпт‑инжиниринг, Qdrant, Elasticsearch, Hugging Face, LangSmith / LangFuse
Желательно: Dify / Flowise, OpenWebUI, Apache Airflow, Docker Swarm
Приветствуется: Claude Code / Codex / OpenCode
Контакты: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- FastAPI
- LangGraph
- RAG
- MCP
- OpenAI API
- Prompt Engineering
- Qdrant
- ElasticSearch
- Hugging Face
- LangSmith
- Langfuse
- Dify
- Flowise
- OpenWebUI
- Apache Airflow
- Docker Swarm
- NLP
- LLM
Возможные вопросы на собеседовании
Проверка понимания архитектуры сложных агентных систем и управления состоянием.
Расскажите о вашем опыте реализации паттерна Human-in-the-loop в LangGraph: с какими сложностями вы сталкивались при прерывании и возобновлении графа?
Оценка навыков оптимизации поиска информации, что критично для RAG.
Как вы подходите к оценке качества RAG-пайплайна и какие методы гибридного поиска (векторный + полнотекстовый) вы использовали на практике?
Проверка знакомства с современными протоколами взаимодействия AI-агентов с внешними данными.
Какие преимущества дает использование Model Context Protocol (MCP) в корпоративной среде по сравнению с обычными API-вызовами?
Оценка умения доводить прототипы до промышленного использования.
Опишите процесс деплоя и мониторинга LLM-агента: как вы используете LangSmith или LangFuse для отладки в продакшене?
Проверка навыков интеграции с классическим корпоративным ПО.
Был ли у вас опыт интеграции AI-агентов с системами 1С или Bitrix? Какие методы аутентификации и передачи данных вы использовали?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
