- Страна
- Россия
- Зарплата
- 320 000 ₽ – 530 000 ₽
Middle-Senior Forward Deploy Engineer
Отличное предложение с высокой рыночной зарплатой, сильной командой фаундеров и работой над передовыми AI-технологиями. Прямое влияние на продукт и отсутствие бюрократии делают вакансию крайне привлекательной для Senior-специалистов.
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
Высокая сложность обусловлена необходимостью сочетать глубокие технические навыки (LLM, vLLM, векторные БД) с бизнес-экспертизой и умением работать напрямую с C-level заказчиками. Требуется опыт полного цикла разработки: от R&D до деплоя на GPU-инфраструктуре.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Предложенная вилка (320k-530k gross) полностью соответствует и местами превышает рыночные показатели для AI/LLM инженеров в России. Верхняя граница для Senior (530k + бонусы) является конкурентной даже для топовых тех-гигантов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Позиция: Middle-Senior Forward Deploy Engineer
Компания: Agentic Lab
Формат: Удаленно
Локация: большая часть команды находится в г. Москва, работаем по часовому пояску GMT+3
Вилка:
• Middle 320-380k gross + бонус
• Senior 450-530k gross + бонус
О компании:
Agentic Lab создаёт прикладные ИИ-системы для крупных корпораций: рабочие пространства, ИИ-ассистентов и автономных ИИ-сотрудников на собственной агентной платформе.
Мы строим операционный слой, на базе которого компании принимают решения
Основатели — Мирослав Гридин (CEO, ex-McKinsey) и Владимир Макаров (CTO, ex-McKinsey, PhD).
Обязанности:
– Разрабатывать AI-решения поверх нашей платформы: agentic workflows, tool calling, RAG, memory и human-in-the-loop контуры
– Проектировать multi-agent системы без жёсткой привязки к конкретному фреймворку или SDK — с логикой взаимодействия агентов, состоянием, памятью, маршрутизацией и обработкой ошибок
– Работать с современными LLM (GLM, Kimi, GPT, Claude, DeepSeek, Gemini) — как через API, так и с open-weight моделями
– Работать с базами данных платформы: PostgreSQL, ClickHouse, Qdrant, Redis — хранение данных, retrieval, semantic search и vector search
– Деплоить и оптимизировать open-weight модели на GPU-инфраструктуре (A100/H100) с использованием vLLM
– Оценивать и оптимизировать качество LLM-пайплайнов — Langfuse, собственные evals и метрики качества, latency, cost и reliability
– Интегрировать AI-системы в существующий IT-ландшафт клиентов и доводить решения от прототипа до production
Требования:
– Релевантный опыт работы в AI/ML, backend или software engineering
– Подтверждённый опыт проектирования и запуска LLM-based систем в production, а также деплоя и оптимизации open-weight LLM
– Уверенный Python и опыт разработки production-систем
– Уверенная работа с PostgreSQL и векторными БД; плюсом — ClickHouse и Redis
– Business acumen — понимаете бизнес-задачу и отвечаете за ценность решения, а не только за техническую реализацию
– Высшее образование по направлениям "Математика", "Физика", "Мат. методы в экономике"
– Ownership и проактивность — готовы самостоятельно вести задачу от постановки до работающего результата
Мы предлагаем:
– Гибкий режим работы
– Работу напрямую с фаундерами и партнёрами (ex-McKinsey, ex-Huawei, ex-Yandex), а также с клиентами и стейкхолдерами уровня C-level, качественный нетворк
– Реальные интересные enterprise-задачи: онтологическая платформа, multi-agent системы, корпоративные интеграции и внедрение AI в реальные бизнес-процессы
– Возможность влиять не только на клиентские решения, но и на архитектуру и развитие платформы Agentic Lab
– Гибрид / удалёнка с оформлением в РФ
Ответы на 10 важных вопросов:
- Данные: зависят от проекта: от терабайтов табличных данных до изображений и видео
- Железо: работаем преимущественно на виртуальных машинах, с LLM - микс GPU развертывания и работы по API
- Масштаб влияния на бизнес? Прямое влияние на бизнес заказчика и компании
- Уровень развития направления в компании? Ключевое направление компании
- Роль инженера: полный цикл от понимания бизнес потребности до внедрения решений для решения ее.
- Бэкграунд у вашего руководителя? Владимир Макаров
- Как часто вам будут мешать работать? работать не мешаем, созвоны с тех командой клиента по решению команды внедрения
- Карьерный рост: рост по результатам работы, проделанной за полгода/год.
- Prod/Research: задача может быть любая, так что research + prod
- Функция сервиса или лидера? Ownership и проактивность – лидера или потенциального лидера, автономная работа. To do's вы ставите себе сами, проектный лидер вас направляет
Контакты для связи:
telegram: Откликнуться (Екатерина)
email: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- PostgreSQL
- ClickHouse
- Qdrant
- Redis
- LLM
- RAG
- vLLM
- Langfuse
- GPU
- Vector Search
- Semantic Search
Возможные вопросы на собеседовании
Проверка понимания архитектуры сложных AI-систем и управления состоянием.
Как бы вы спроектировали систему памяти для мультиагентной среды, чтобы обеспечить консистентность данных между агентами при длительных сессиях?
Оценка практического опыта оптимизации производительности моделей.
С какими основными проблемами вы сталкивались при деплое open-weight моделей через vLLM на картах A100/H100 и как их решали?
Проверка навыков оценки качества (Evals), что критично для enterprise-решений.
Какие метрики, помимо стандартных latency и cost, вы считаете наиболее важными для оценки надежности RAG-системы в корпоративном секторе?
Проверка навыка интеграции в существующую IT-инфраструктуру.
Опишите ваш опыт интеграции LLM-решений с традиционными реляционными базами данных (PostgreSQL) и ClickHouse для аналитических задач.
Оценка soft skills и бизнес-ориентированности (Business acumen).
Расскажите о случае, когда технически элегантное AI-решение не подходило под бизнес-задачу клиента. Как вы адаптировали подход?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

