Full-Stack Web + AI Engineer (LLM-агенты)
Оценка ИИИнтересный технологический стек (LLM, LangGraph) и гибкий график (part-time). Однако уровень оплаты 60 000 руб. за Senior/Lead компетенции, даже на полставки, находится ниже среднерыночных ожиданий для таких специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью совмещать глубокие знания бэкенда (Python/FastAPI), фронтенда (React) и специфических AI-фреймворков (LangGraph) с навыками обхода антифрод-систем. Роль требует уровня Senior/Lead при частичной занятости, что предполагает высокую автономность.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата в 60 000 ₽ за 20 часов в неделю (эквивалент 120 000 ₽ за полный день) значительно ниже рыночных показателей для уровня Senior/Lead в AI-разработке, где медиана за полный день начинается от 350 000 ₽. Вакансия может быть интересна как дополнительная нагрузка, но не соответствует рыночной стоимости заявленных компетенций.
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
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 со сложной логикой LLM-агентов.
Как вы организуете управление состоянием и памятью диалога в LangGraph при долгосрочном взаимодействии с пользователем?
Оценка навыков в области автоматизации и безопасности.
Какие методы обхода поведенческого антидетекта в Playwright вы считаете наиболее эффективными для мессенджеров?
Проверка архитектурного мышления в работе с векторными БД.
В каких случаях вы предпочтете pgvector вместо специализированного решения вроде Chroma, и как это повлияет на масштабируемость?
Оценка навыков обеспечения безопасности данных.
Как бы вы реализовали систему управления ключами (KMS) для шифрования переписки пользователей в распределенной системе?
Проверка Full-stack компетенций.
Как эффективно организовать передачу данных в реальном времени от LLM-агента на фронтенд-дашборд для мониторинга качества ответов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
