AI разработчик
Оценка ИИИнтересная позиция в известной компании с фокусом на самые актуальные технологии (LLM, агенты). Гибкий формат работы и возможность влиять на продукт делают вакансию очень привлекательной для Middle+ специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует не только сильных навыков в Java/Python и микросервисах, но и продвинутого владения AI-инструментами разработки, а также умения работать в режиме полной автономности. Высокая планка задана необходимостью интеграции сложных AI-компонентов (RAG, LLM) в реальные бизнес-процессы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции Middle AI Developer с опытом 3–6 лет на российском рынке медиана составляет около 250 000 – 350 000 рублей. Учитывая требования к знанию Java/Python и DevOps-инструментов, компенсация может стремиться к верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Рексофт
AI разработчик
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо или гибрид или офис
*☑️* Чем предстоит заниматься
-Вести разработку полного цикла: напрямую общаться с заказчиками, с помощью AI-инструментов быстро превращать бизнес-требования в технический дизайн, рабочие прототипы и готовые сервисы
-Интегрировать современные AI-компоненты (LLM, агенты, RAG, OCR, RPA) в конечные продукты и внутренние системы
-Ежедневно использовать AI-ассистенты (Cursor, Claude Code, Copilot и др.) для ускорения всего цикла: исследования, написание кода, тестирование, документация
-Проектировать архитектуру, писать серверную логику, API, интерфейсы и настраивать обработку данных
-Переводить успешные прототипы в стабильную эксплуатацию: устранять ошибки, добавлять Unit-тесты, настраивать CI/CD, логирование и мониторинг
*☑️* Наши пожелания к кандидатам
-Проактивность и самостоятельность: готовность вести задачу end-to-end в условиях высокой неопределенности и отсутствия детальных требований
-Развитые коммуникативные навыки: умение переводить язык бизнеса в технические решения и объяснять сложные вещи нетехническим специалистам
-Адаптивность: комфортная работа в небольшой команде с быстрой сменой приоритетов и короткими циклами обратной связи
-Нацеленность на развитие в AI: живой интерес к сфере AI-разработки, готовность непрерывно учиться и осваивать новые технологии в процессе решения реальных задач
-Уверенное владение и опыт коммерческой разработки на Java или Python (основной стек может быть разным)
-Продвинутый опыт работы с AI-ассистентами: способность эффективно ставить задачи агентам, критически оценивать, ревьюить и поддерживать сгенерированный код, понимая его ограничения
-Понимание принципов работы современных LLM, RAG-систем, технологий OCR и RPA
-Опыт проектирования и сопровождения высоконагруженных микросервисных систем
-Практические навыки работы с реляционными СУБД (PostgreSQL/Oracle)
-Сильная инженерная культура: глубокое понимание ООП, SOLID, DRY, ACID
-Практический опыт работы с Docker и Kubernetes
Будет плюсом:
-Практический опыт глубокой разработки LLM-приложений, RAG-систем и автономных агентов
-Опыт работы с облачной инфраструктурой
-Навыки frontend-разработки для быстрого прототипирования интерфейсов
Контакты: Откликнуться
*🔥* Подписаться на наши каналы / Откликнуться / Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Java
- Python
- LLM
- RAG
- OCR
- RPA
- PostgreSQL
- Oracle
- Docker
- Kubernetes
- Microservices
- SOLID
- DRY
- ACID
- OOP
- CI/CD
Возможные вопросы на собеседовании
Проверка практического опыта работы с современными архитектурами AI-приложений.
Расскажите о вашем опыте построения RAG-систем: какие векторные базы данных вы использовали и как решали проблему галлюцинаций LLM?
Оценка навыков использования AI-инструментов для повышения продуктивности.
Как вы интегрируете AI-ассистенты (например, Cursor или Claude Code) в свой ежедневный рабочий процесс, чтобы обеспечить качество кода, а не просто скорость?
Проверка инженерной базы и понимания масштабируемости.
С какими сложностями вы сталкивались при деплое микросервисов с AI-компонентами в Kubernetes и как настраивали мониторинг их производительности?
Оценка soft skills и умения работать с неопределенностью.
Опишите случай, когда вам пришлось превращать размытое бизнес-требование в технический дизайн. Как вы выстраивали коммуникацию с заказчиком?
Проверка знаний в области RPA и автоматизации.
В каких сценариях, по вашему мнению, использование RPA эффективнее, чем написание кастомного API-интегратора, и наоборот?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
