- Страна
- Россия
- Зарплата
- 300 000 ₽ – 350 000 ₽
AI-разработчик (.NET + LLM)
Оценка ИИИнтересная роль на стыке .NET и AI в промышленном секторе с достойной оплатой. Удаленный формат и работа с современным стеком (LangChain, векторные БД) делают вакансию привлекательной для опытных разработчиков.
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 ИИВысокая сложность обусловлена требованием глубокой экспертизы одновременно в классическом .NET и в современных AI-технологиях (RAG, агенты, LangChain). Также ожидается высокая нагрузка и продуктовое мышление.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата (300-350к) находится в рамках рыночного медианного значения для Senior .NET разработчиков с узкой специализацией в AI/LLM в России. Верхняя планка соответствует уровню ведущих специалистов в этой нише.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
#Вакансия #remote #AIразработчик #NET #LLM #RAG #AIагенты #LangChain #Удаленка #ITвакансии #РФ
Вакансия: AI-разработчик (.NET + LLM) 🚀| компания TopSelection
ЗП: 300-350 К руб/мес.
Клиент: Промышленность и производство
Формат: Удаленно (РФ) 🏠
График: ~160 ч/мес, высокая нагрузка
Длительность: 6 мес → пролонгация
Гражданство, локация : РФ 🇷🇺
Таймзона: UTC+3
Что делаем 🔧
Разработка и внедрение AI/LLM-функционала в продукты компании:
RAG-системы, AI-агенты, function/tool calling
Оркестрация LLM, промпт-инжиниринг
Работа с эмбеддингами, векторными БД (pgvector, Pinecone)
Оценка качества моделей (evals), мониторинг, наблюдаемость
Full-cycle разработка: от идеи до продакшена (frontend + backend)
Кого ищем 🎯
Опыт: от 5 лет в IT .NET (C#), из них 2+ года в AI/LLM-разработке
Стек:
.NET (C#) — уверенно
LLM-фреймворки: LangChain, LlamaIndex
API: OpenAI, Anthropic и др.
Базы: MSSQL / PostgreSQL + Docker + Git
Frontend: базово (для реализации AI-функционала)
Важно:
Реализованные RAG-системы и AI-агенты в коммерческих продуктах
Промпт-инжиниринг, tool calling
AI-ассистенты в работе (Cursor, Claude Code, Copilot) + код-ревью
Технический английский (читать доки)
Bias to ship: быстрая поставка, декомпозиция до MVP ✅
Продуктовое мышление, ownership, командность
Будет плюсом:
ML-опыт (fine-tuning, эмбеддинги)
Пет-проекты / open-source с реальной аудиторией
RabbitMQ / Kafka
Образование: высшее техническое (или эквивалентный опыт + портфолио)
Пиши в ТГ: Откликнуться
В сообщении укажи: .NET + LLM и перед тем, как направить свое резюме, убедись, пож-та, что все требования, необходимые в вакансии, отражены в резюме🙏
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- .NET
- C++
- LLM
- RAG
- LangChain
- LlamaIndex
- OpenAI
- Anthropic
- PostgreSQL
- MSSQL
- Docker
- Git
- RabbitMQ
- Kafka
- Vector Database
- Prompt Engineering
Возможные вопросы на собеседовании
Проверка практического опыта реализации RAG-систем.
Расскажите о самой сложной RAG-системе, которую вы проектировали: как вы решали проблему релевантности поиска и какие стратегии чанкинга использовали?
Оценка навыков работы с AI-агентами и инструментами.
Как вы подходите к реализации Tool Calling и обработке ошибок, когда LLM возвращает некорректные параметры для вызова функции?
Проверка знаний в области векторных БД.
В чем принципиальная разница при работе с pgvector и специализированными решениями вроде Pinecone в контексте масштабирования?
Оценка навыков оценки качества (Evals).
Какие метрики и инструменты вы используете для мониторинга качества ответов LLM в продакшене?
Проверка продуктового подхода.
Приведите пример, когда вам приходилось декомпозировать сложную AI-задачу до MVP, чтобы быстро проверить гипотезу.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
