- Страна
- Россия
AI/LLM Инженер
Оценка ИИИнтересный проект на стыке AI и автоматизации тестирования в крупной компании. Предлагается современный стек (LangChain, RAG) и гибкий формат работы, однако отсутствие указанной зарплаты не позволяет поставить высший балл.
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 ИИРоль требует глубоких знаний в области LLM, RAG и ReAct агентов, а также уверенного владения Python и архитектурными паттернами. Работа в банковском секторе накладывает дополнительные требования к качеству кода и безопасности.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ вакансии не указан уровень дохода, однако для позиции Senior AI/LLM Engineer в Москве рыночный диапазон составляет от 350 000 до 550 000 рублей. Bell Integrator обычно предлагает конкурентоспособные условия, соответствующие средним значениям по банковскому сектору.
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
AI/LLM Инженер
Компания: Bell Integrator
*☑️*ПРОЕКТ:в банковской сфере. Проект направлен на создание AI-агента для существующего Python BDD-фреймворка в корпоративной банковской среде.
*☑️*ЧТО МЫ ОЖИДАЕМ ОТ КАНДИДАТА:
-Опыт работы от 3-4 лет в разработке.
-Высшее образование.
-Практический опыт построения RAG-систем и работы с векторными хранилищами, желательно PostgreSQL + pgvector.
-Опыт работы с LangChain, Python.
-Опыт разработки ReAct агентов.
-Понимание принципов ООП, SOLID и паттернов проектирования.
-Понимание базовых принципов многопоточного и асинхронного программирования, включая GIL и asyncio.
-Практические знания и навыки работы с LLM.
-Опыт работы с инструментами контейнеризации приложений, включая Docker.
-Лидерские качества: умение принимать решения и брать на себя ответственность.
*☑️*ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:
-Проектировать и согласовывать архитектуру AI-агента, приложений и интеграций.
-Развивать и разрабатывать backend-компоненты AI-агента, общие библиотеки и интеграционные взаимодействия.
-Реализовывать решения на базе LLM, ReAct и RAG, включая поиск и подбор релевантных «шагов» из существующей библиотеки.
-Интегрировать систему с внутренними сервисами, репозиториями, базами знаний и корпоративной инфраструктурой.
-Формировать требования для построения CI/CD, мониторинга, логирования, трассировки и контроля качества для AI-агента.
-Проводить ревью кода, поддерживать код-стандарт и участвовать в командных коммуникациях.
-Взаимодействовать с специалистами по автоматизированному тестированию, QA-инженерами и разработчиками для уточнения требований и сценариев использования.
-Участвовать в разработке пользовательской поверхности решения, в формате IDE plugin.
*☑️*МЫ ПРЕДЛАГАЕМ:
-Возможность участия в интересных проектах.
-Возможность профессионального и карьерного роста в компании.
-Опыт работы в команде профессионалов.
-Специальные тарифы для сотрудников в спортивные клубы и языковые курсы и пр.
-Удаленный и гибридные форматы работы.
Контакты: Откликнуться
Python Job в Telegram | в VK | в Max
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- LangChain
- RAG
- PostgreSQL
- pgvector
- Docker
- SOLID
- OOP
- asyncio
- CI/CD
- BDD
Возможные вопросы на собеседовании
Проверка практического опыта работы с векторными БД в контексте RAG.
Расскажите о вашем опыте оптимизации поиска в pgvector: какие индексы вы использовали и как боролись с галлюцинациями в RAG-системах?
Оценка понимания логики работы агентов.
В чем заключаются основные сложности при реализации ReAct агентов и как вы обеспечиваете стабильность цепочки рассуждений (reasoning chain)?
Проверка знаний внутреннего устройства Python.
Как GIL влияет на производительность AI-приложений при интенсивной работе с I/O и CPU, и в каких случаях вы бы предпочли multiprocessing вместо asyncio?
Оценка архитектурных навыков.
Как бы вы спроектировали систему мониторинга и контроля качества (observability) для AI-агента в закрытом банковском контуре?
Проверка опыта интеграции.
Был ли у вас опыт разработки плагинов для IDE и с какими специфическими проблемами взаимодействия backend-части агента и интерфейса IDE вы сталкивались?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
