Python-разработчик для поиска и AI-сервисов
Оценка ИИИнтересный стек технологий (Python 3.12, LangGraph, Qdrant) и работа над современным продуктом (AI-агенты). Гибкий формат работы и поддержка обучения делают вакансию привлекательной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует не только уверенного владения Python и FastAPI, но и специфических знаний в области AI (RAG, LangGraph) и векторных БД (Qdrant), что повышает порог входа.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для Middle/Senior Python разработчика с навыками в AI и RAG на московском рынке медиана составляет около 300 000 - 350 000 рублей. Предложение будет конкурентным, если попадет в этот диапазон.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*💻 TEAMLY ищет Python-разработчика для поиска и AI-сервисов*
Вакансию разместила QSOFT. Команда TEAMLY развивает платформу для совместной работы и управления знаниями. Предстоит дорабатывать два асинхронных сервиса на FastAPI, поиск по документам и сценарии с AI-агентами.
В стеке Python 3.12, PostgreSQL, Redis, Kafka, Qdrant и LangGraph. Нужны опыт backend-разработки, понимание асинхронности и устройства RAG.
Можно работать удалённо, в офисе или гибридно в Москве. Компания предоставляет технику и оплачивает обучение. Зарплата не указана.
*➡️* Навигация: База знаний • Задачи • Собеседования
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- FastAPI
- PostgreSQL
- Redis
- Kafka
- Qdrant
- LangGraph
- RAG
- Asynchronous Programming
Возможные вопросы на собеседовании
Вакансия предполагает работу с AI-агентами и поиском по документам.
Расскажите о вашем опыте реализации RAG-систем: как вы обеспечиваете качество поиска и релевантность ответов?
В стеке указан LangGraph, который используется для создания сложных AI-сценариев.
В чем преимущество использования LangGraph по сравнению с обычными цепочками (chains) в LangChain для создания AI-агентов?
Сервисы построены на FastAPI и являются асинхронными.
Как вы обрабатываете длительные операции в асинхронном API, чтобы не блокировать event loop?
Используется Qdrant для векторного поиска.
Как устроено индексирование в векторных базах данных и какие метрики сходства вы обычно используете?
В инфраструктуре присутствует Kafka.
Для каких задач в архитектуре AI-сервисов целесообразно использовать брокеры сообщений, такие как Kafka?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
