- Страна
- Казахстан
- Зарплата
- 500 000 ₽ – 600 000 ₽
Инженер по AI-автоматизации и интеграциям (Python / n8n / AI Agents)
Интересная роль на стыке AI и реального бизнеса с четким стеком технологий. Зарплата соответствует рынку Астаны для данного уровня опыта, а работа в международной компании дает хорошие перспективы.
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
Средний уровень сложности обусловлен необходимостью сочетать навыки классической разработки (Python, SQL, Docker) с современными AI-инструментами (n8n, RAG, LLM API). Требуется умение работать с корпоративным софтом вроде 1С и Bitrix24.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Предложенная зарплата в 500-600 тыс. тенге является конкурентной для специалистов уровня Middle в Астане. Она находится в пределах рыночного диапазона для разработчиков автоматизации, хотя для глубоких экспертов в AI может быть чуть ниже среднего по международным меркам.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
*📍* Формат/working arrangement: офис в Астане
*✔️* Должность/position: Инженер по AI-автоматизации и интеграциям (Python / n8n / AI Agents)
*🏢* Место работы/workplace: международная компания в сфере торговли сельскохозяйственной продукцией, логистики и переработки зерна
*💸* Заработная плата/salary: 500 000–600 000 ₸ в месяц на руки
*📈* Обязанности/responsibilities:
— Разрабатывать внутренних AI-агентов для решения реальных бизнес-задач компании.
— Создавать и поддерживать автоматизированные workflow в n8n.
— Интегрировать LLM с корпоративными системами через REST API и Webhook.
— Разрабатывать AI-инструменты для закупок, продаж, логистики, обработки документов и работы с внутренними данными.
— Создавать корпоративную AI-базу знаний с использованием RAG.
— Автоматизировать извлечение, обработку и структурирование информации из документов.
— Интегрировать AI-решения с 1С, Bitrix24, Telegram, Email, Excel, Google Sheets и другими сервисами.
— Работать с PostgreSQL и SQL для обработки корпоративных данных.
— Разрабатывать небольшие внутренние API-сервисы на Python.
— Развёртывать и поддерживать внутренние AI-сервисы на серверах компании.
— Тестировать, документировать и оптимизировать созданные автоматизации.
— Анализировать бизнес-процессы совместно с руководством и выявлять возможности для автоматизации с помощью AI.
— Разрабатывать корпоративного AI-ассистента и автоматизированные инструменты для формирования отчётов и аналитики.
*📌* Требования/requirements:
— Опыт работы в сфере разработки и автоматизации от 1 до 3 лет.
— Хорошее знание Python.
— Понимание принципов работы REST API, Webhook и JSON.
— Практический опыт работы с n8n или аналогичными платформами автоматизации.
— Знание SQL, желательно PostgreSQL.
— Базовые навыки работы с Linux.
— Понимание принципов работы Docker.
— Опыт работы с Git.
— Практический опыт использования API современных LLM: OpenAI, Claude, Gemini или аналогичных решений.
— Понимание принципов работы LLM, Prompt Engineering, AI Agents и Tool / Function Calling.
— Базовое понимание RAG, Embeddings и Vector Database.
— Умение самостоятельно изучать документацию API и интегрировать новые сервисы.
— Умение самостоятельно разрабатывать, тестировать и запускать работающие технические решения.
*🌟* Будет плюсом:
— Опыт разработки и внедрения AI-агентов.
— Опыт интеграции с 1С, включая HTTP-сервисы, REST и OData.
— Опыт работы с Bitrix24 API.
— Опыт настройки и администрирования ChatGPT Business, управления пользователями, доступами и корпоративным рабочим пространством.
— Английский язык уровня B1 и выше.
— Опыт работы с MCP (Model Context Protocol).
— Знание LangChain / LangGraph.
— Опыт разработки API на FastAPI.
— Знание Redis.
— Опыт работы с Qdrant, pgvector, Chroma и другими Vector DB.
— Опыт разработки ботов с использованием Telegram Bot API.
— Опыт работы с OCR и автоматизированной обработкой документов.
— Опыт создания корпоративных баз знаний.
— Опыт локального развёртывания LLM и работы с self-hosted решениями.
*🛠* Технический стек:
— Python.
— n8n.
— OpenAI API / Claude API / Gemini API.
— LLM / AI Agents.
— Prompt Engineering.
— Tool Calling / Function Calling.
— REST API / Webhook / JSON.
— PostgreSQL / SQL.
— Linux / Docker / Git.
— RAG / Embeddings / Vector Database.
— 1С / HTTP-сервисы / REST / OData.
— Bitrix24 API.
— Telegram Bot API.
— FastAPI.
— LangChain / LangGraph.
— MCP.
— Redis.
— Qdrant / pgvector / Chroma.
— OCR / автоматическая обработка документов.
*📊* Ключевые навыки:
— Разработка AI-агентов и корпоративных AI-ассистентов.
— Автоматизация бизнес-процессов с использованием n8n.
— Интеграция LLM с корпоративными системами и внешними API.
— Разработка REST API и Webhook-интеграций на Python.
— Создание корпоративных баз знаний на основе RAG.
— Работа с Embeddings и векторными базами данных.
— Автоматизация обработки документов и структурирования данных.
— Интеграция AI с 1С, Bitrix24, Telegram и офисными сервисами.
— Работа с PostgreSQL и SQL.
— Развёртывание и поддержка AI-сервисов.
— Тестирование, документирование и оптимизация workflow.
— Анализ
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- n8n
- LLM
- REST API
- Webhook
- RAG
- PostgreSQL
- SQL
- Docker
- Git
- Linux
- OpenAI
- FastAPI
- LangChain
- Redis
- Qdrant
- OCR
Возможные вопросы на собеседовании
Проверка практического опыта работы с основным инструментом автоматизации, указанным в вакансии.
Расскажите о самом сложном workflow, который вы реализовывали в n8n. Как вы обрабатывали ошибки и ветвление логики?
RAG является ключевой частью обязанностей для создания базы знаний.
Как бы вы спроектировали RAG-систему для корпоративных документов? Какие векторные БД и стратегии чанкинга вы бы предпочли?
Вакансия предполагает интеграцию с 1С и Bitrix24.
Был ли у вас опыт интеграции внешних сервисов с 1С через REST или OData? С какими основными трудностями вы сталкивались?
Проверка понимания работы AI-агентов.
В чем разница между простым вызовом LLM и AI-агентом с использованием Tool/Function Calling? Приведите пример сценария.
Важно понимать, как кандидат обеспечивает надежность решений.
Как вы организуете процесс деплоя и мониторинга ваших Python-скриптов и n8n-сценариев в Docker-контейнерах?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

