Промпт-инженер
Оценка ИИПозиция в топовом банке с удаленным форматом работы и современным стеком (Langflow, Langfuse). Это отличная возможность для Middle-специалиста закрепиться в сфере AI-инжиниринга в стабильной компании.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует сочетания навыков системного анализа, базового программирования на Python и глубокого понимания работы LLM. Основная сложность заключается в необходимости работы с визуальными инструментами типа Langflow и выстраивании процессов LLMOps.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для Middle Prompt Engineer в российском финтехе рыночный диапазон составляет от 180 000 до 280 000 рублей. Альфа-Банк обычно предлагает конкурентоспособные условия, соответствующие верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Альфа-Банк. Центральный офис
Промпт-инженер
Опыт работы: 1–3 года
Полная занятость
График: 5/2
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-Проектирование сценариев и пайплайнов: разработка сложных системных запросов и построение цепочек (агентов) с использованием визуальных инструментов (основной стек — Langflow)
-Сбор требований и общение с бизнесом: активное взаимодействие с бизнес-заказчиками и аналитиками. Умение слушать, задавать вопросы и переводить бизнес-задачи на язык логики для моделей
-Тестирование и валидация: проведение качественного Side-by-side сравнения ответов моделей, оценка точности, релевантности и выявление галлюцинаций
-Работа с LLMOps: ведение базы промптов, версионирование и отслеживание метрик через инструменты логирования (Langfuse или аналоги)
-Обмен опытом: участие в онбординге новых коллег, проведение внутренних демо и помощь команде в понимании возможностей LLM
*☑️* Наши пожелания к кандидатам
-Опыт работы с LLM: уверенное понимание архитектуры современных текстовых моделей, их ограничений и возможностей
-Опыт или готовность работать с Langflow: понимание принципов создания LLM-цепочек в визуальных редакторах (или быстрое освоение этого инструмента)
-Коммуникативные навыки и открытость: готовность активно общаться с коллегами из разных отделов, умение объяснять логику работы моделей простыми словами
-Базовые навыки автоматизации (Python): умение написать скрипт для вызова API, автоматизации тестирования или обработки данных (допускается использование AI-ассистентов / вайбкодинга)
-Понимание принципов RAG: концептуальные знания о векторных представлениях (эмбеддинги), семантическом поиске и косинусном расстоянии
-Аналитический склад ума: умение структурировать требования, собирать тестовые датасеты и документировать решения (Jira / Confluence)
Контакты: Откликнуться
*🔥* Подписаться на наши каналы / Откликнуться / Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- LLM
- LangFlow
- Python
- RAG
- Langfuse
- Jira
- Confluence
- API
- Embeddings
Возможные вопросы на собеседовании
Проверка понимания архитектуры RAG и умения оптимизировать поиск релевантной информации.
Как бы вы оптимизировали систему RAG, если модель часто выдает галлюцинации или нерелевантные ответы из-за шума в данных?
Оценка навыков работы с инструментами визуального проектирования цепочек LLM.
Расскажите о вашем опыте работы с Langflow или аналогичными инструментами. С какими ограничениями вы сталкивались при построении сложных агентов?
Проверка понимания жизненного цикла разработки промптов и контроля качества.
Как вы организуете процесс версионирования промптов и какие метрики используете для оценки качества ответов модели в Langfuse?
Оценка коммуникативных навыков и умения работать с бизнес-заказчиками.
Опишите ситуацию, когда требования бизнеса были размыты. Как вы структурировали задачу для реализации через LLM?
Проверка базовых навыков автоматизации и работы с API.
Как вы используете Python для автоматизации оценки качества ответов (Side-by-side сравнение) при работе с большими датасетами?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
