- Страна
- Россия
- Зарплата
- 100 000 ₽ – 120 000 ₽
Откликайтесь
на вакансии с ИИ
Python-разработчик в AI-продукт
Оценка ИИИнтересный стек технологий (AI, LLM, Vision) и возможность участвовать в создании продукта с нуля. Зарплата соответствует рынку для Middle-уровня, а удаленный формат добавляет привлекательности.
Сложность вакансии
Оценка ИИРоль требует не просто написания скриптов, а создания отказоустойчивой архитектуры для AI-агентов с использованием Playwright и LLM. Высокая сложность обусловлена необходимостью работы с нестабильными интерфейсами и антифрод-системами.
Анализ зарплаты
Оценка ИИПредложенная зарплата (100-120к на руки) находится на нижней границе рыночного диапазона для Python-разработчика с опытом в AI и автоматизации. Специалисты с навыками интеграции LLM и Playwright в Москве и на удаленке обычно претендуют на суммы от 150-180к рублей.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Присоединяйтесь к созданию инновационного AI-агента и реализуйте свой опыт в автоматизации и LLM!
Описание вакансии
Ищем Python-разработчика в AI-продукт| Удаленный формат | Full time | 100 000 - 120 000 (на руки)
Разрабатываем AI-систему автоматизации пользовательских действий и коммуникаций во внешних сервисах. Ищем разработчика для создания первой рабочей версии продукта.
Задачи:
• Разработка backend на Python
• Создание устойчивой браузерной автоматизации
• Работа с пользовательскими сессиями, очередями и расписаниями
• Интеграция LLM и vision-моделей
• Реализация памяти, контекста и инструментов AI-агента
• Настройка логирования, мониторинга и восстановления после ошибок
• Защита пользовательских данных и секретов
• Участие в оценке архитектуры, сроков и технических рисков
Основные требования:
• Уверенное знание Python и asyncio
• Опыт разработки production-систем, а не только отдельных скриптов
• Опыт работы с Playwright или аналогами
• Умение создавать автоматизацию для меняющегося и нестабильного интерфейса
• Опыт реализации повторных попыток, переавторизации и восстановления после сбоев
• Понимание идемпотентности действий
• Опыт с долгоживущими фоновыми процессами, очередями, расписаниями и квотами
• Опыт разработки LLM-приложений: агентные циклы, function calling, память и контекст диалога
• Опыт работы с vision-моделями и контроля стоимости инференса
• Понимание принципов шифрования, хранения секретов, разграничения доступа и аудита
• Базовые навыки Docker, CI, логирования, метрик и алертов
Будет преимуществом:
• Опыт работы с прокси-инфраструктурой и сетевой изоляцией клиентов
• Опыт в антифрод-, платёжных или дейтинг-продуктах
• Понимание того, как внешние площадки реагируют на нетипичную активность
• Опыт продуктовой разработки в условиях нестабильного внешнего API или интерфейса
• Умение самостоятельно декомпозировать задачи и предлагать проверяемые решения
На первом этапе необходимо:
• Оценить реализуемость первой версии
• Предложить архитектуру и последовательность разработки
• Определить необходимые доступы, инфраструктуру и расходы
• Собрать прототип для тестирования на отдельном аккаунте
• Настроить фиксацию результатов, ошибок и причин остановки системы
В отклике напишите:
• С какими похожими задачами вы работали
• Какой у вас опыт с Playwright и LLM-приложениями
• Поддерживали ли вы автоматизацию при изменениях внешнего интерфейса
Для отклика пишите нашему HR: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- CI/CD
- Computer Vision
- Docker
- Backend
- Playwright
- asyncio
Возможные вопросы на собеседовании
Проверка понимания специфики работы с динамическими сайтами и обхода защитных механизмов.
Как вы обеспечиваете устойчивость автоматизации на Playwright при частом изменении селекторов и структуры фронтенда?
Важно для обеспечения надежности системы при сбоях внешних сервисов.
Как вы реализуете механизм повторных попыток (retries) и сохранение состояния (идемпотентность) в долгоживущих фоновых задачах?
Оценка опыта работы с современными AI-архитектурами.
Опишите ваш подход к реализации памяти и контекста в LLM-агентах: как вы выбираете, что хранить и как подавать в модель?
Проверка навыков оптимизации затрат на API.
Какие стратегии вы используете для контроля стоимости инференса при работе с vision-моделями и LLM в продакшене?
Безопасность — критический аспект при работе с пользовательскими сессиями.
Как вы организуете безопасное хранение и использование пользовательских секретов и сессий в распределенной системе?
Похожие вакансии
GenAI-разработчик / бизнес-аналитик
AI Developer / AI Expert
AI Engineer (Multi-Agent Systems & RAG) (Senior)
AI-тренер для обучения нейросетей
Python AI Engineer (Senior)
Senior ML-инженер
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!