Инженер по локальным LLM и автоматизации
Интересная и актуальная позиция на стыке AI и автоматизации в компании TISS. Вакансия предлагает работу с современным стеком (n8n, GPUStack, RAG) и полную удаленку, что делает её очень привлекательной для Middle-специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Роль требует сочетания навыков DevOps (Linux, Docker), разработки на Python и специфических знаний в области LLM (RAG, Ollama). Основная сложность заключается в необходимости самостоятельно доводить задачи до рабочего состояния и интегрировать различные инструменты автоматизации.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в объявлении не указана. На рынке РФ для Middle AI/Automation инженеров с опытом 1–3 года медиана составляет около 200 000 – 250 000 рублей. Специалисты с навыками внедрения LLM сейчас высоко востребованы, что позволяет претендовать на верхнюю границу рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
TISS
Инженер по локальным LLM и автоматизации
Опыт работы: 1–3 года
Полная занятость
График: 5/2
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-Администрировать ИИ-сервера и стек вроде GPUStack, Ollama, Open WebUI, n8n или аналогов
-Выбирать и настраивать открытые модели под конкретную задачу
-Собирать сценарии в n8n или похожем инструменте — от чат-бота для клиентов до внутренних процессов
-Сделать из Open WebUI или другого чата платформу техподдержки с RAG по нашей базе знаний
-Настроить транскрибацию звонков и дальнейшую обработку расшифровок
-Собрать процесс ревью кода через наш ИИ-сервер как полноценный модуль — с нормальным качеством, а не «просто спросили чат»
-Писать парсеры и небольшие программы для сбора данных из открытых источников, затем прогонять результат через ИИ-сервера
*☑️* Наши пожелания к кандидатам
-уверенно чувствовали себя в Linux, Docker , CI/CD, git
-хорошо писали на Python: рабочие скрипты и парсеры
-понимали виды API (REST, GraphQL, вебхуки, RPC) — не глубоко каждый, но не путали одно с другим
-умели работать с HTTP, JSON, HTML и чужим SDK по документации
-уже собирали пайплайны в n8n или похожем инструменте
-поднимали локальные модели (Ollama, Open WebUI, vLLM или аналоги) и понимали, какую модель когда брать
-хотя бы раз делали RAG: чат, который отвечает по документам, а не фантазирует
-умели довести задачу до рабочего контура самостоятельно
*☑️* Будет плюсом
-Опыт работы с GPUStack или похожими системами, DataLens, Whisper, Telegram-ботами, FastAPI или Flask, SQL, векторными базами (Qdrant, PGVector и т.п.), а также опыт внедрения LLM во внутренние процессы компании
-Не подойдёт, если вы хотите обучать модели, строить ML-платформу или вам будет скучно заниматься автоматизацией и сопровождением
Контакты: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Git
- Python
- Linux
- SQL
- CI/CD
- REST
- GraphQL
- RAG
- Docker
- JSON
- FastAPI
- Flask
- n8n
- Qdrant
- Whisper
- Ollama
Возможные вопросы на собеседовании
Проверка практического опыта работы с локальными моделями и понимания их производительности.
Какие критерии вы используете при выборе конкретной открытой модели (например, Llama 3 vs Mistral) для задачи RAG?
Оценка навыков автоматизации и умения работать с n8n.
Опишите самый сложный сценарий в n8n, который вы реализовывали. Как вы обрабатывали ошибки в нем?
RAG — ключевая задача вакансии, важно понимать, как кандидат борется с галлюцинациями.
Как вы оцениваете качество ответов RAG-системы и какие методы используете для уменьшения галлюцинаций модели?
Проверка навыков администрирования и работы с инфраструктурой.
С какими проблемами вы сталкивались при развертывании LLM в Docker-контейнерах с использованием GPU?
Проверка умения работать с данными и API.
Как бы вы организовали процесс регулярного парсинга данных с последующей обработкой через LLM, чтобы минимизировать затраты ресурсов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

