AI Engineer
Оценка ИИОтличная вакансия для AI-инженеров: работа в глобальной компании, использование самого современного стека (LangGraph, PydanticAI) и наличие опционной программы (Equity). Высокий уровень ответственности и возможность влиять на продукт, которым пользуются миллионы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием обязательного коммерческого опыта создания мультиагентных систем в продакшене, а не просто личных проектов. Необходимо глубокое владение современными фреймворками (LangGraph, CrewAI) и понимание инфраструктуры AI-приложений.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для роли AI Engineer с коммерческим опытом работы с мультиагентными системами рыночные предложения начинаются от $5000-7000 на глобальном рынке. Наличие опционов (Equity) значительно повышает общую ценность компенсационного пакета.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
AI Engineer
Key Responsibilities
— Design and implement production-grade multi-agent systems, including orchestration, routing, memory, tool execution, and fallback strategies
— Build multimodal AI workflows and integrate multiple model providers
— Develop custom tools, MCP servers, and integrations with internal platform APIs
— Analyze existing APIs and codebases to extend platform capabilities where required
— Implement testing, evaluation, observability, and reliability practices for AI systems
— Investigate and improve agent behavior, performance, and system robustness
Required Qualifications
— Strong Python backend development experience, including asynchronous services and API integrations
— Commercial experience building production multi-agent LLM systems
— Experience with modern agent frameworks such as LangGraph, LangChain, AutoGen, CrewAI, LlamaIndex, or PydanticAI
— Strong understanding of agent orchestration, tool calling, routing, memory, and autonomous workflows
— Experience building multimodal AI applications and integrating multiple model providers
— Experience with vector databases, caching layers, and AI application infrastructure
— Experience implementing testing, debugging, observability, and evaluation practices for AI systems
— Familiarity with the gaming industry, analytics, payments, or similar transaction-heavy domains
Important: Commercial experience is required; personal projects alone are not sufficient.
Preferred Qualifications
— ML background or practical machine learning experience
— Experience building evaluation, benchmarking, or observability systems for AI applications
— Experience working with large and complex API ecosystems
Why Join Us
— World-class team – work alongside experienced professionals from around the globe who have built products used by millions of players
— High growth, high impact – be part of a fast-growing company where ideas turn into products and reach customers in days, not months
— Autonomy and ownership – we trust people to make decisions, take initiative, and drive results
— Modern tools and technology – use AI, automation, and modern tools as part of your everyday work
— Equity – participate in the company's growth and long-term success
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- LangChain
- LangGraph
- LlamaIndex
- Vector Database
- LLM
- API Integration
- Observability
- Asynchronous Programming
- PydanticAI
- Autogen
- CrewAI
Возможные вопросы на собеседовании
Проверка практического опыта работы с графами состояний и сложной логикой переходов между агентами.
Расскажите о самой сложной архитектуре мультиагентной системы, которую вы внедряли в продакшн: как была организована оркестрация и маршрутизация?
Оценка навыков обеспечения надежности и контроля качества ответов LLM.
Какие методы оценки (evaluation) и инструменты обсервабильности вы использовали для отладки поведения агентов и минимизации галлюцинаций?
Проверка умения работать с внешними данными и расширять возможности моделей.
Опишите ваш опыт разработки кастомных инструментов и MCP-серверов для интеграции LLM с внутренними API компании.
Важно понимать, как кандидат решает проблемы зацикливания или неверного вызова инструментов.
Как вы реализуете стратегии отката (fallback) и обработки ошибок, если агент не может выполнить задачу или вызывает неверный инструмент?
Проверка навыков оптимизации работы с контекстом и памятью.
Каким образом вы организуете долгосрочную и краткосрочную память агентов при работе с большими объемами данных и векторными БД?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
