Откликайтесь
на вакансии с ИИ
AI Harness Engineer (ML Engineer)
Оценка ИИИнтересная и актуальная позиция на острие технологий (LLM Agents, Orchestration). Работа в крупной структуре (Биржа) гарантирует масштабные задачи, хотя длительность проекта зависит от внешних условий.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания навыков: глубокой экспертизы в Python, опыта работы со специфическими фреймворками оркестрации (Multica, Symphony) и понимания специфики LLM в production. Уровень Senior предполагает высокую ответственность за архитектуру и надежность систем.
Анализ зарплаты
Оценка ИИДля позиции Senior AI/ML Engineer в Москве рыночный диапазон составляет от 350 000 до 550 000 рублей. Данная роль является узкоспециализированной, что может давать преимущество при обсуждении зарплаты выше медианы.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Присоединяйтесь к команде МБ и создавайте будущее AI-оркестрации в финтехе!
Описание вакансии
ID 3101
#AI Harness Engineer
(#ML Engineer)
Senior
Проект:
Мы — динамично развивающаяся команда, ориентированная на внедрение современных подходов к управлению проектами и развитию сотрудников. Мы ищем AI Harness Engineer — инженера, который будет строить и развивать production-среду для LLM-агентов, skills, plugins и orchestration-фреймворков. Это роль на стыке LLM engineering, agent orchestration, platform engineering и Python backend development.
Команда: МБ. Развитие DATA AI
Основыные задачи:
— Развивать AI harness / runtime layer для запуска и управления LLM-агентами.
— Интегрировать и оптимизировать SOTA LLM в production.
— Работать с фреймворками оркестрации, включая Multica, Paperclip, Symphony.
— Подключать и сопровождать SOTA skills & plugins, включая RTK, GitNexus и другие.
— Разрабатывать Python-сервисы и библиотеки для tool calling, execution pipelines, memory/context handling, logging, evaluation.
— Строить observability, guardrails, reliability и безопасное исполнение AI-агентов.
— Интегрировать AI-компоненты с внутренними системами и платформами Биржи.
Требования:
— Сильный Python background: backend-разработка, API-интеграции, асинхронность, тестирование, production practices.
— Обязательное знание SOTA LLM: современные модели, tool/function calling, reasoning workflows, context management, cost/quality trade-offs.
— Практический опыт работы с agent orchestration frameworks, включая Multica, Paperclip, Symphony.
— Знание SOTA skills & plugins, включая RTK, GitNexus и другие современные tool ecosystems.
— Опыт создания production-grade AI/LLM systems.
— Понимание reliability, observability, security и evaluation для AI-решений.
— Умение писать чистый, поддерживаемый и надёжный код.
Будет плюсом:
— Опыт с LLMOps / MLOps / platform engineering.
— Опыт создания AI SDK, agent platforms или execution layers.
— Опыт с Kubernetes, CI/CD, observability stack.
— Опыт работы в финтехе или высоконагруженной enterprise-среде.
Срок привлечения:
Длительный срок, возможен отказ в соответствиями с условиями договора, если проекты будут приостановлены
Писать Откликнуться*⚡️**⚡️**⚡️**⚡️*
*👀* Загляни к нам 👉: Проверьте, почему 80% менеджеров боятся холодных звонков. Откройте секреты успешной коммуникации! 📈🔥 | InsideAds.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- LLM
- Asynchronous Programming
- Kubernetes
- CI/CD
- MLOps
- API Integration
- Observability
- LLMOps
- GitNexus
Возможные вопросы на собеседовании
Вопрос проверяет практический опыт работы с инструментами, указанными в вакансии.
Расскажите о вашем опыте работы с Multica или Symphony: какие основные сложности возникали при оркестрации агентов?
Важно понять, как кандидат обеспечивает стабильность AI-решений.
Какие стратегии guardrails и механизмы обеспечения надежности (reliability) вы внедряли для LLM-агентов в production?
Проверка навыков проектирования сложных систем.
Как вы подходите к проектированию memory и context handling для долгоживущих агентских сессий?
Оценка понимания современных возможностей моделей.
В чем заключаются основные нюансы реализации надежного tool/function calling при работе с SOTA моделями?
Проверка навыков интеграции и безопасности.
