Инженер развития и поддержки AI-агентов
Оценка ИИПозиция в топовом банке с актуальным технологическим стеком (AI/LLM) и гибридным форматом работы. Это отличная возможность для Middle-разработчика войти в сферу AI-инженерии, работая над реальными бизнес-кейсами.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует уверенного владения Fullstack-стеком (TS/Node/React) и понимания специфических концепций AI-разработки, таких как RAG и векторный поиск. Работа в крупном банке подразумевает строгие требования к качеству кода и интеграции с legacy-системами.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Middle Fullstack/AI Engineer в Москве рыночный диапазон составляет от 200 000 до 350 000 рублей. ВТБ обычно предлагает конкурентные условия, соответствующие верхней границе рынка для опытных специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
ВТБ Капитал
Инженер развития и поддержки AI-агентов
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: гибрид (Москва)
*☑️* Чем предстоит заниматься
-Разрабатывать LLM-приложения и агентские сценарии для внутренних команд: маркетинга, финансов, юристов, CRM и других функций
-Интегрировать готовые AI-продукты в операционные процессы и доводить их до ежедневного использования сотрудниками
-Проектировать взаимодействие LLM с инструментами и внутренними данными через tool calling, MCP, RAG, embeddings и векторный поиск
-Интегрировать AI-решения с внутренними системами и сервисами по API: 1С, корпоративными хранилищами, BI и другими источниками
-Развивать внутренний AI-чат на TypeScript и подключать к нему скиллы и агентские сценарии для разных команд и процессов
*☑️* Наши пожелания к кандидатам
-JavaScript / TypeScript - Уверенное владение языком: типы, generics (базовый уровень), async/await, Promises, работа с JSON
-Node.js
-Express: роуты, middleware, обработка req/res
-Умение поднять локальный сервер и обработать запрос/ответ
-React
-Написание компонентов, работа с props
-Хуки: useState, useEffect
-Понимание различий между state в React и состоянием DOM
-UI-библиотеки - Умение читать документацию и применять готовые компоненты (Mantine или аналог)
-REST
-Знание HTTP-методов и кодов ответов (200/400/401/403/404/500)
-Проверка запросов через curl или DevTools Network
-Docker (базовый уровень)
-Понимание образов, контейнеров, портов, volumes
-Команды docker run, docker logs, docker exec; сборка образа по Dockerfile
-Git
-Commit, branch, pull request, разрешение конфликтов (базовый уровень)
-Понимание роли code review
-Диагностика и обучаемость
-Чтение логов, поиск по коду (grep), разбор stack trace, использование console.log и DevTools Network
-Способность читать документацию API (Atlassian, GitLab, Qdrant, Swagger) и реализовывать по образцу
-Будет плюсом:
-Опыт тестирования (jest/vitest/собственный harness); тесты с express-моками API
-Понимание SSE/WebSocket и их отличий от polling
-Опыт работы с LLM-сервисами (Ollama, OpenAI API)
-Опыт использования Jira/Confluence/GitLab как API
-Понимание аутентификации: Bearer-токен, OIDC/LDAP (теоретически).
Контакты: Откликнуться
*🔥* Откликнуться / Откликнуться / Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- TypeScript
- JavaScript
- Node.js
- Express
- React
- REST
- Docker
- Git
- LLM
- RAG
- Vector Search
- Embeddings
- API Integration
- Mantine
- Jest
- Vitest
Возможные вопросы на собеседовании
Проверка понимания архитектуры современных LLM-приложений.
Расскажите, как бы вы реализовали RAG-систему для работы с внутренними документами компании? Какие этапы подготовки данных и поиска вы бы выделили?
Оценка навыков работы с асинхронностью в Node.js, что критично для API-интеграций.
Как эффективно обработать серию зависимых API-запросов к внутренним системам (например, 1С и CRM), чтобы минимизировать время ответа и корректно обработать ошибки?
Проверка понимания концепции Tool Calling в контексте AI-агентов.
Как обеспечить безопасность и валидацию данных при предоставлении LLM-агенту доступа к выполнению действий через внешние API?
Оценка навыков фронтенд-разработки и управления состоянием.
В чем разница между состоянием в React и состоянием DOM, и как вы организуете хранение истории диалога в AI-чате?
Проверка навыков контейнеризации и деплоя.
Опишите процесс сборки Docker-образа для Node.js приложения. Какие практики вы используете для оптимизации размера образа и безопасности?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
