- Страна
- Россия
Разработчик Python (AI агенты)
Оценка ИИИнтересная позиция в крупной компании с фокусом на передовые технологии (AI-агенты). Четко описанные задачи и современный стек технологий делают вакансию привлекательной для Senior-специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний в области LLM, RAG и агентских фреймворков (LangGraph), а также требованием к опыту работы с Big Data инструментами (PySpark).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИУказанный стек (AI/LLM + PySpark) сейчас крайне востребован. Рыночные зарплаты для Senior Python разработчиков с экспертизой в AI в Москве начинаются от 350 000 рублей и могут достигать 550 000 рублей в зависимости от глубины знаний ML.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Лига Цифровой Экономики
Разработчик Python (AI агенты)
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: на месте работодателя или гибрид (Москва)
*☑️* Чем предстоит заниматься
-Разрабатывать и поддерживать AI-агенты на Python для автоматизации анализа данных финмониторинга
-Проектировать архитектуру агентных систем: планирование действий, использование инструментов (tools) и оркестрация вызовов моделей
-Реализовывать пайплайны RAG (Retrieval-Augmented Generation): эмбеддинги, чанкинг документов, гибридный поиск (BM25 + векторный), переранжирование результатов
-Интегрировать агенты со сторонними системами по протоколам SOAP/REST, работать с брокерами сообщений Kafka и RabbitMQ
-Использовать фреймворки LangChain и LangGraph для построения цепочек рассуждений (chain-of-thought) и графов состояний агентов
-Оптимизировать работу с данными: писать SQL-запросы, обрабатывать большие массивы информации с помощью pandas и PySpark
-Создавать backend-обвязку для агентов на FastAPI (или Flask/Django)
*☑️* Наши пожелания к кандидатам
-Python & LLM: Уверенное владение Python (включая асинхронное программирование), знание принципов работы LLM (Large Language Models)
-Фреймворки: Опыт работы с LangChain, LangGraph
-Архитектура агентов: Опыт разработки AI-агентов
-RAG (Retrieval-Augmented Generation): Практический опыт реализации RAG: эмбеддинги, чанкинг, ретриверы (BM25 + векторный поиск), переранжирование
-Backend Python: Опыт разработки сервисов на FastAPI, Flask или Django
-Инфраструктура: Умение работать с брокерами сообщений (Kafka, RabbitMQ) и базами данных
-Инструменты для данных: Владение инструментами для работы с данными: SQL, pandas, PySpark
Контакты: Откликнуться / Telegram Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- LLM
- LangChain
- LangGraph
- RAG
- FastAPI
- Flask
- Django
- Kafka
- RabbitMQ
- SQL
- Pandas
- PySpark
- SOAP
- REST
- asyncio
Возможные вопросы на собеседовании
Проверка понимания архитектуры современных AI-систем.
Расскажите о вашем опыте работы с LangGraph: в каких случаях использование графов состояний предпочтительнее обычных цепочек LangChain?
Оценка практических навыков оптимизации RAG.
Как вы подходите к выбору стратегии чанкинга документов и какие методы переранжирования (reranking) использовали в своих проектах?
Проверка навыков работы с высоконагруженными системами.
Как обеспечить отказоустойчивость AI-агента при интеграции через Kafka в условиях долгого ожидания ответа от LLM?
Оценка навыков работы с данными.
В каких ситуациях для обработки данных в пайплайне агента вы выберете PySpark вместо pandas?
Проверка архитектурного мышления.
Как вы проектируете систему 'tools' для агента, чтобы минимизировать галлюцинации при вызове внешних API?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
