- Зарплата
- 144 000 $ – 216 000 $
Откликайтесь
на вакансии с ИИ

Middle AI Software Engineer (Python/C++)
Исключительное предложение с очень высокой зарплатой в долларах, системой profit sharing и доступом к передовым технологиям. Вакансия предлагает уникальную среду для профессионального роста без бюрократии, хотя и предполагает высочайший уровень ответственности.
Сложность вакансии
Высокая сложность обусловлена сочетанием требований к глубоким знаниям C++ (HFT-специфика) и продвинутым навыкам работы с AI-агентами и LLM-инфраструктурой. Кандидат должен обладать олимпиадным уровнем подготовки и уметь работать в среде с экстремально короткими циклами обратной связи.
Анализ зарплаты
Предлагаемая зарплата ($144k–$216k + бонусы) значительно превышает средние рыночные показатели для Middle-позиций даже в международном финтехе. С учетом profit sharing (до +100%), совокупный доход соответствует уровню Senior/Lead в топовых компаниях США или Европы.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь уже сейчас
Присоединяйтесь к элитной команде HFT-фонда и масштабируйте бизнес-результаты с помощью передовых AI-агентов!
Описание вакансии
*🔥 *Middle AI Software Engineer (Python/C++) для развития AI-инфраструктуры в HFT-фонде
144–216k USD/год на руки + profit sharing, неограниченный бюджет на токены**
Ищем Middle AI Software Engineer (Python/C++) – человека, который вместе с нами пройдет от точки «инженер увеличивает бизнес-результат, тратя несколько тысяч долларов в день на токены» до «кратно увеличивает бизнес-результат всей команды – даже если тратит 10к+ долларов на токены в день». Это позиция для SWE, у которого AI-навыки дополняют крепкую инженерную базу на уровне с нашей командой, а не заменяют ее.
*➡️ Какие задачи будут у вас:*
— Полноценные HFT-задачи с агентами как множителем. Подключение новых бирж, инженерный ресерч биржевой инфраструктуры, оптимизация задержек
— Построение агентных воркфлоу. Сборка пайплайнов, где агенты декомпозируют задачу, разбирают задачи, верифицируют результат друг друга. Подбор того, что и как стоит делегировать, и доведение этих процессов до состояния, в котором ими пользуется вся команда
— Развитие внутреннего агентного тулинга. Агентные правила и инструкции под нашу кодовую базу, кастомные инструменты для агентов, MCP-серверы, eval'ы – инфраструктура, которая делает использование агентов в команде эффективнее
— Интеграция LLM в сервисы – там, где это оправдано. Tool use / structured output через API, с контролем над исполнением; понимание, какие задачи стоит и не стоит отдавать модели
*➡️ Что мы дадим:*
— Неограниченный бюджет на токены. Если для достижения качественного результата надо потратить $10к за день – делайте
— Персональную ответственность за результат. Ваши решения идут в production и влияют на PnL. С каждым проектом зона ответственности растеёт – и вместе с ней свобода в выборе подхода
— Задачи, которые напрямую влияют на PnL. У нас нет «не очень важных» задач – мы строим работу так, чтобы ваш КПД → 1
— Среду для deep work. Нет встреч ради встреч, короткие циклы обратной связи, Performance-коучинг для роста личной продуктивности
— Profit sharing. Ваш уровень дохода будет отражать персональный вклад в результат команды (avg +50-100% годового дохода)
— Сильную команду. Инженеры из tier-1 компаний и опытные специалисты из индустрии, победители и призеры олимпиад по математике, программированию и физике уровня IMO, IOI, полуфинала ICPC и ВсОШ
*🤩 *Все для максимизации вашего потенциала:
—** мониторинг и помощь с поддержанием ключевых показателей здоровья
— ДМС со стоматологией
— корпоративы в разных точках мира
— ежемесячные мероприятия: спортивные и wellness-активности от компании
— еда в офисе из лучших ресторанов
*➡️ Вы подходите, если:*
*🤩*Ежедневно используете агентные кодинг-инструменты (Claude Code, Codex, Cursor) на реальных задачах и уже добивались коммерческих результатов
*🤩*Видите, где агент дает ускорение, а где – скрытый техдолг, почему выход эффективен или неэффективен – на уровне кэшей, pipeline, memory model
*🤩*Быстро находите в сгенерированном коде тонкие баги, галлюцинации и проблемы – и несете полную ответственность за итог наравне с написанным вручную
*🤩*Понимаете LLM на инженерном уровне: контекст, токены, причины галлюцинаций, tool use, как мерить и контролировать качество выхода
*🤩*Сильны в Python и можете писать на C++ (17+ стандарт) наравне с нашей командой
*🤩*Понимаете устройство ОС и железа (CPU, RAM, NIC), сетевые протоколы (Ethernet, UDP, TCP) и основы многопоточного программирования
*🤩* Имеете от 3 лет коммерческой серверной разработки, в том числе с production-опытом на C++ – но если это единственный мисмэтч, пишите!
*➡️ Будет плюсом, если у вас есть опыт с:*
— Построением агентных пайплайнов или multi-agent оркестрации, MCP-серверами, eval'ами
— Интеграцией LLM в собственные сервисы через API: tool use / function calling, structured output, streaming, управление стоимостью
— Настройкой AI-инструментов под большую кодовую базу: правила, кастомные tools/hooks, индексация
— HFT, order routing, market data processing, exchange research
*✉️ Присылайте резюме —* Откликнуться
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- C++
- LLM
- HFT
- TCP
- UDP
- Ethernet
- Multi-threading
- Claude Code
- Cursor
- MCP
Возможные вопросы на собеседовании
Проверка понимания низкоуровневой оптимизации в контексте HFT.
Как бы вы оптимизировали задержки (latency) при передаче данных между Python-оберткой для LLM-агента и основным торговым ядром на C++?
Оценка навыков работы с AI-инфраструктурой.
Опишите ваш опыт создания MCP-серверов или кастомных инструментов для агентов: какие задачи они решали и как вы оценивали их эффективность?
Проверка критического мышления при использовании AI.
Приведите пример ситуации, когда использование LLM-агента в торговой инфраструктуре может создать скрытый техдолг или критическую уязвимость. Как этого избежать?
Оценка знаний сетевых протоколов.
В чем разница между использованием TCP и UDP в контексте получения рыночных данных, и как это влияет на архитектуру вашего AI-сервиса?
Проверка навыков отладки сгенерированного кода.
Расскажите о самом сложном баге, который вы нашли в коде, сгенерированном LLM. Как вы его обнаружили и какие превентивные меры (evals) внедрили после этого?
Похожие вакансии
AI-ИНЖЕНЕР (MIDDLE+)
Junior/Middle ML-инженер/Python разработчик [SmartDocs]
Middle-разработчик (AI-инженер)
Middle+ AI инженер
Middle+ AI инженер
Python / LLM Engineer: RAG и ИИ-агенты
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!