- Страна
- Россия
- Зарплата
- 60 000 ₽
Full-Stack Web + AI Engineer (LLM-агенты)
Оценка ИИИнтересный технологический стек и актуальная ниша LLM-агентов. Однако зарплата в 60 000 руб. за 20 часов в неделю для уровня Senior/Lead может показаться ниже рыночной, несмотря на гибкий график.
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 необходимостью совмещать глубокие знания в AI (LLM-агенты), Full-stack разработке и специфических областях, таких как обход антифрод-систем и автоматизация Android-ферм. При этом позиция предполагает уровень Senior/Lead на неполный рабочий день.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная оплата (60 000 ₽ за полставки, что эквивалентно 120 000 ₽ за полную ставку) значительно ниже рыночных показателей для Senior/Lead разработчиков в Москве, где медиана для таких специалистов начинается от 300 000 ₽. Вакансия может быть интересна как дополнительный проект или для получения опыта в специфической нише AI.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Full-Stack Web + AI Engineer (LLM-агенты) | Удаленный формат | Part-time (4 ч/день) | 60 000 ₽ (на руки)
О нас и проекте:
Разрабатываем LLM-агентную платформу, которая от имени пользователя ведет переписку в мессенджерах. Решаем нетривиальные задачи на стыке AI, автоматизации и безопасности.
Какие задачи предстоят (в рамках неполного дня):
- Бэкенд и API для оркестрации LLM-агентов (память диалогов, мультиязычность, профили пользователей, эскалация на оператора);
- Интеграция агентов с мессенджерами: обработка квалификации, возражений, передача живому оператору;
- Разработка личного кабинета для клиентов: онбординг, дашборд с метриками качества AI, портрет пользователя;
- Работа с фермой устройств: автоматизация на Playwright/Android, обход поведенческого антидетекта (в т.ч. для сбора данных и тестирования);
- Обеспечение безопасности: шифрование данных, работа с KMS, ведение журналов доступа к чувствительной информации.
Технический стек (обязательный минимум, но приветствуются ваши предложения):
Python, FastAPI, PostgreSQL, Redis, LangChain, LangGraph, LLM с открытыми весами, pgvector/Chroma, React/Next.js, TypeScript, Playwright, Docker.
Наши ожидания от кандидата:
- Опыт Python в продакшене от 3 лет — уверенное владение и архитектурные решения;
- Реальный коммерческий опыт с LLM-приложениями (от прототипа до прода);
- React/Next.js на уровне, достаточном для самостоятельной разработки ЛК и дашборда;
- Практический опыт с браузерной автоматизацией (Playwright/Puppeteer) и/или Android-фермой;
- Понимание устройства антифрод-систем и способов их обхода;
- Готовность работать с чувствительными данными, знание подходов к шифрованию и управлению ключами.
Условия работы:
- Полностью удаленный формат;
- Гибкий график — 4 часа в день (20 часов в неделю), можно разбивать по своему усмотрению в рамках рабочего дня (по согласованию с командой);
- Заработная плата — 60 000 ₽ на руки;
- Уровень — Lead / Senior (высокая самостоятельность и ответственность);
- Участие в развитии внутренней ИИ-экосистемы для студии с 10+ активными проектами;
- Детали проекта и конкретные задачи обсуждаем на собеседовании.
Контакты для отклика: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- FastAPI
- PostgreSQL
- Redis
- LangChain
- LangGraph
- LLM
- pgvector
- Chroma
- React
- Next.js
- TypeScript
- Playwright
- Docker
- Android Automation
- Cryptography
Возможные вопросы на собеседовании
Проверка опыта работы с современными фреймворками для создания ИИ-агентов.
Расскажите о вашем опыте использования LangGraph для управления состоянием диалога в сложных LLM-агентах. С какими трудностями вы сталкивались?
Важная часть задач связана с обходом антидетекта.
Какие методы вы используете для имитации человеческого поведения при автоматизации браузера через Playwright, чтобы избежать блокировок антифрод-системами?
Проверка навыков работы с векторными базами данных для RAG-систем.
В чем разница между использованием pgvector и Chroma в контексте масштабируемости и производительности для поиска по памяти диалогов?
Вакансия требует работы с чувствительными данными.
Как бы вы организовали архитектуру хранения ключей шифрования и доступа к персональным данным пользователей в распределенной системе?
Проверка навыков Full-stack разработки.
Как вы организуете типизацию между бэкендом на FastAPI и фронтендом на Next.js для обеспечения консистентности данных в дашборде?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
