- Страна
- Россия
- Зарплата
- до 150 000 ₽
Откликайтесь
на вакансии с ИИ
Python / LLM Engineer: RAG и ИИ-агенты
Оценка ИИИнтересная вакансия в актуальной сфере ИИ с возможностью удаленной работы и гибким графиком. Зарплата соответствует рынку для неполного рабочего дня, но может быть невысокой для полноценного Middle-специалиста на фултайм.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения современным стеком для работы с LLM (LangChain, Langgraph) и понимания архитектуры RAG. Сложность умеренная, так как требуется опыт Middle-уровня и навыки DevOps (Docker, CI/CD).
Анализ зарплаты
Оценка ИИУказанная зарплата до 150 000 ₽ за неполный рабочий день является конкурентоспособной. Для сравнения, на полном рабочем дне Middle Python/LLM инженеры в России получают в среднем от 250 000 до 350 000 ₽.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в М Тех уже сейчас
Откликайтесь на вакансию Python / LLM Engineer в М-ТЕХ, чтобы создавать передовые решения на базе RAG и ИИ-агентов!
Описание вакансии
Требуется «Python / LLM Engineer: RAG и ИИ-агенты» (Москва, до 150 000 ₽)
Компания «ООО "М-ТЕХ"» ищет хорошего специалиста на вакансию «Python / LLM Engineer: RAG и ИИ-агенты». Москва (Россия), Санкт-Петербург (Россия), Самара (Россия). До 150 000 ₽. Неполный рабочий день. Можно удалённо. Требуемые навыки: #middle, #Git, #Python, #Docker, #REST, #CI/CD, #LLM, #Langgraph, #LangChain, #GPT.
*👉*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Git
- Python
- LLM
- CI/CD
- REST
- RAG
- Docker
- LangChain
- LangGraph
- GPT
Возможные вопросы на собеседовании
Проверка понимания ключевой технологии, указанной в описании вакансии.
Расскажите о своем опыте построения RAG-систем: какие векторные базы данных вы использовали и как решали проблему релевантности поиска?
Вакансия предполагает работу с ИИ-агентами, где Langgraph является стандартом для управления логикой.
В чем преимущество использования Langgraph по сравнению с обычным LangChain при создании сложных многошаговых агентов?
Проверка навыков работы с API и интеграции моделей.
Как вы оптимизируете затраты на токены и время отклика (latency) при работе с моделями семейства GPT?
Проверка инженерной культуры и навыков командной разработки.
Опишите ваш типичный процесс CI/CD для Python-приложения, развернутого в Docker-контейнере.
Проверка умения работать с Git в команде.
