yandex
MiddleУдалённоПолная занятость

Python Backend / AI Engineer

ИИОценка ИИ

Интересная вакансия на стыке Backend и AI с возможностью работы с современным стеком (LangGraph, vLLM). Удаленный формат и четкие требования делают предложение привлекательным для Middle-специалистов.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.


Вакансия из открытого источника
Пожаловаться

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Роль требует сочетания навыков классического Backend-разработчика (Django, FastAPI, PostgreSQL) и специалиста по AI (LLM, LangChain, RAG). Высокая сложность обусловлена необходимостью понимания инфраструктуры GPU и оптимизации инференса моделей.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Анализ зарплаты

Медиана280 000 ₽
Рынок200 000 ₽ – 350 000 ₽
ИИОценка ИИ

Зарплата в объявлении не указана, но для позиции Middle Python/AI Engineer на российском рынке вилка обычно составляет от 200 000 до 350 000 рублей в зависимости от глубины знаний в области ML/LLM.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Сопроводительное письмо

Составьте сопроводительное письмо под эту вакансию с вашим резюме

Иллюстрация сопроводительного письмаИллюстрация сопроводительного письма

Описание вакансии

WB—Tech

Python Backend / AI Engineer

Опыт работы: 1–3 года

Полная занятость

График: 5/2

Формат работы: удалённо

*☑️* Чем предстоит заниматься

-Разработка и поддержка backend-сервисов на Python с использованием Django и FastAPI

-Проектирование API, интеграций и архитектуры backend-приложений

-Работа с PostgreSQL, Redis, оптимизация запросов и производительности сервисов

-Разработка AI-агентов и агентных систем на базе LLM

-Создание агентных решений как с использованием фреймворков (LangGraph, LangChain, OpenAI Agents SDK и аналоги), так и без них

-Интеграция локальных и облачных LLM в существующие продукты

-Разработка инструментов (tools), управление вызовами функций, состоянием и контекстом агентов

-Контейнеризация, развертывание и сопровождение сервисов с использованием Docker

-Работа с AI-инфраструктурой: запуск, настройка и поддержка LLM на собственных серверах и облачных GPU-платформах

*☑️* Наши пожелания к кандидатам

-Уверенное знание Python, опыт коммерческой backend-разработки

-Опыт работы с Django и FastAPI

-Хорошее знание PostgreSQL и Redis

-Уверенное владение Docker и Docker Compose

-Понимание асинхронного программирования в Python (asyncio)

-Практический опыт интеграции LLM в приложения

-Опыт разработки AI-агентов, использования tool calling / function calling

-Понимание принципов работы LLM, управления контекстом и построения агентных процессов

-Опыт работы с REST API, внешними сервисами и сторонними интеграциями

-Уверенное владение Git, Linux

*☑️* Будет плюсом

-Опыт работы с LangGraph, LangChain, OpenAI Agents SDK

-Опыт самостоятельного проектирования агентных архитектур без использования готовых фреймворков

-Опыт развертывания и обслуживания локальных LLM (Qwen, Gemma, Llama и другие)

-Опыт работы с GPU-инфраструктурой, RunPod и аналогичными платформами

-Знание vLLM, llama.cpp, Ollama и других инструментов инференса

-Понимание принципов квантования моделей, ограничений VRAM и оптимизации инференса

-Опыт построения RAG-систем, работы с эмбеддингами и векторным поиском

-Опыт настройки мониторинга, логирования и CI/CD

Контакты: Откликнуться

*🔥* Подписаться на наши каналы / @best_itjob / @it_rab

Больше похожих вакансий + автоотклики с ИИ

Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Больше похожих вакансий + автоотклики с ИИ

Навыки

  • Git
  • Python
  • Linux
  • LLM
  • PostgreSQL
  • RAG
  • Redis
  • Docker
  • FastAPI
  • LangChain
  • Django
  • LangGraph
  • asyncio
  • OpenAI API
  • vLLM
  • Docker Compose
  • Ollama
  • llama.cpp

Возможные вопросы на собеседовании

Проверка понимания работы с внешними инструментами в LLM.

Расскажите о вашем опыте реализации Function Calling: как вы обрабатываете ошибки, если модель возвращает некорректные аргументы?

Важно для оптимизации производительности AI-сервисов.

В чем разница между использованием vLLM и стандартного инференса через Transformers при развертывании локальных моделей?

Проверка навыков проектирования сложных систем.

Как бы вы спроектировали систему сохранения состояния (state management) для многошагового AI-агента в LangGraph?

Оценка навыков работы с базами данных в контексте AI.

Какие стратегии индексации в PostgreSQL вы бы использовали для оптимизации поиска в RAG-системах при больших объемах данных?

Проверка понимания асинхронности.

Как правильно организовать стриминг ответов от LLM через FastAPI, чтобы не блокировать event loop?

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Похожие вакансии

Россия
более 1000 офферов получено
4.9

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!