- Страна
- Россия
- Зарплата
- от 300 000 ₽
Откликайтесь
на вакансии с ИИ
AI Engineer (Multi-Agent Systems & RAG)
Оценка ИИОтличная вакансия для AI-специалистов: работа с самым современным стеком (Multi-Agent, RAG), высокая заработная плата и удаленный формат. Проект предлагает амбициозные задачи по выводу AI-решений в реальный продакшн.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы в области LLM, архитектуры мультиагентных систем и RAG. Высокая сложность обусловлена необходимостью не просто создавать прототипы, но и обеспечивать их стабильную работу в продакшене под нагрузкой.
Анализ зарплаты
Оценка ИИПредложенная зарплата от 300 000 ₽ соответствует верхней границе рыночного диапазона для Middle+/Senior AI инженеров в России. Для специалистов с глубоким опытом в мультиагентных системах это конкурентное предложение, соответствующее текущим реалиям рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликнитесь на вакансию AI Engineer, чтобы создавать передовые мультиагентные системы и внедрять RAG в реальный продакшн!
Описание вакансии
от 300 000 ₽/месяц
Удаленка, Фултайм
Мы строим систему, где LLM-агенты решают реальные задачи пользователей. Ищем инженера, который возьмёт на себя архитектуру мультиагентной системы и RAG-пайплайна и доведёт их до продакшена — от прототипа до стабильной работы под нагрузкой...(Откликнуться)
**⚠️ Будьте внимательны: иногда мошенники маскируют свои схемы под вакансии реальных компаний, никому не передавайте доступ к своим аккаунтам или устройствам.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- RAG
- Prompt Engineering
- Vector Databases
- Multi-agent systems
Возможные вопросы на собеседовании
Проверка понимания архитектурных паттернов для взаимодействия нескольких агентов.
Какие подходы к координации мультиагентных систем (например, Orchestrator-Workers или Peer-to-Peer) вы считаете наиболее эффективными для решения сложных задач?
RAG является ключевой частью вакансии, важно знать методы улучшения качества поиска.
Как вы решаете проблему 'lost in the middle' и какие методы реранжирования (reranking) используете в RAG-пайплайнах?
Вакансия подразумевает работу в продакшене, где важна скорость.
Какие стратегии оптимизации задержки (latency) вы применяете при работе с цепочками вызовов LLM?
Оценка качества работы агентов — сложная задача.
Как вы выстраиваете систему оценки (evaluation) качества ответов LLM-агентов и какие метрики используете?
Проверка практического опыта работы с инструментами.
