- Страна
- Россия
Откликайтесь
на вакансии с ИИ
GenAI разработчик
Оценка ИИИнтересный проект на острие технологий (GenAI, мультиагентные системы) в крупном индустриальном секторе, однако проект носит временный характер (3-6 месяцев).
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием глубоких знаний в узкой нише мультиагентных систем, RAG и специфических протоколов вроде MCP, а также необходимостью работы в закрытом контуре на Windows.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior GenAI разработчика в Москве рыночные предложения обычно начинаются от 350 000 рублей и могут достигать 600 000+ рублей в зависимости от сложности задач.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте резюме @veroneko, чтобы возглавить разработку передовых GenAI-решений для добывающей промышленности!
Описание вакансии
ID 3107
#GenAI разработчик
Senior
Гражданство: РФ
Удаленно
Москва (UTC+03:00, Europe/Moscow) ± 2 ч
Ключевые компетенции которые должны быть
JavaScript
PostgreSQL
React
JSON
GraphQL
llm
LangChain
RAG
JavaScript/TypeScript/Python
LlamaIndex
MCP
n8n
мультиагентные системы
Flowise
Dify
Langflow
LangGraph
Semantic KernelСфера деятельности заказчика
Добывающая промышленностьТребования
Требования
- Оркестрация GenAl-агентов и автоматизаций
Построение мультиагентных систем: опыт создания агентов и субагентов (tool-calling, управление цепочками вызовов) хотя бы в одном из подходов: low-code/visual (n&n, Flowise, Dify, Langflow) или code-first (LangChain/LangGraph, Llamalndex, Semantic Kernel, агентные фреймворки CrewAl, AutoGen).
Протоколы интеграции инструментов: опыт с МСР (Model Context Protocol) или аналогичными решениями.
п8n корпоративный стек (будет преимуществом): понимание архитектуры платформы, создание кастомных нод и публикация sub-воркфлоу.
- Разработка и обработка данных
Языки разработки: уверенное владение JavaScript и TypeScript и Python для реализации бизнес-логики и кастомных функций/нод.
Работа с данными: экспертное работа со структурированными данными JSON, методами трансформации данных, проектированием схем и запросов в PostgreSQL.
Frontend (преимущество): React для разработки лёгкого U при необходимости.
- Интеграции и сбор данных
АРІ-интеграции: уверенная работа с REST и OAuth2; подключение к внутренним сервисам и витринам данных смежных подразделений по АРІ.
Сбор данных из веб-источников: работа с поисковыми и веб-АРІ, парсинг и нормализация внешних (интернет) данных.
Дополнительные стеки (преимущество): GraphQL, FastAPl.
- ИИ-инженерия (LLM, RAG)
LLM и промпт-инжиниринг: проектирование промптов; задачи суммаризации и генерации структурированных отчётов; балансировка качества, скорости и стоимости генерации.
RAG и векторные хранилища: развёртывание RAG-конвейеров от подготовки датасетов и эмбеддингов до работы с векторными БД (PGVector, Qdrant, Milvus и аналоги).
Фреймворки оркестрации LLM: LangChain или аналоги.
- Инфраструктура и безопасность
On-prem и open-source модели: опыт развёртывания и эксплуатации локальных моделей в закрытом корпоративном контуре.
Среда Windows: обязательное требование вести разработку и эксплуатацию решения
в OC Windows.
Защита данных: навык работы с чувствительными данными и понимание принципов их защиты внутри защищённого периметра.
Продолжительность проекта
3-6 месяцев
Писать Откликнуться*⚡️**⚡️**⚡️**⚡️*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- JavaScript
- PostgreSQL
- React
- JSON
- GraphQL
- LLM
- LangChain
- RAG
- TypeScript
- Python
- LlamaIndex
- MCP
- n8n
- Flowise
- Dify
- LangFlow
- LangGraph
- Semantic Kernel
- REST
- OAuth2
- FastAPI
- Qdrant
- Milvus
Возможные вопросы на собеседовании
Проверка опыта проектирования сложных систем взаимодействия ИИ-агентов.
Расскажите о вашем опыте проектирования мультиагентных систем: как вы решали проблему зацикливания или конфликтов между агентами при использовании tool-calling?
Оценка навыков работы с данными в контексте RAG.
Какие стратегии чанкинга и индексации в PGVector вы считаете наиболее эффективными для работы с технической документацией в добывающей отрасли?
Проверка владения протоколами интеграции.
В чем, по вашему мнению, основные преимущества использования Model Context Protocol (MCP) по сравнению с классическими API-интеграциями в GenAI проектах?
Оценка навыков работы в специфической инфраструктуре.
С какими основными трудностями вы сталкивались при развертывании и оптимизации работы LLM (например, через Llama.cpp или Ollama) в среде Windows?
Проверка навыков работы с n8n.
Опишите процесс создания кастомной ноды в n8n для интеграции со специфическим внутренним API, которого нет в стандартном наборе.
Похожие вакансии
Senior/Lead AI Engineer
Senior Computer Vision Engineer
Senior NLP Engineer
Архитектор мультиагентных систем на базе LLM
Senior ML разработчик (AI Engineering)
Старший менеджер локализации (ИИ и автоматизация)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!