- Страна
- Россия
Senior AI Engineer
Оценка ИИВакансия предлагает работу с самым современным стеком (LangGraph, vLLM, мультиагенты) в быстрорастущей компании. Четко описанные задачи и работа над собственной платформой делают позицию очень 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 ИИРоль требует глубоких знаний в области LLM и мультиагентных систем, а также опыта работы с высокопроизводительной инфраструктурой (GPU, vLLM). Высокая планка ожиданий по самостоятельности и скорости вывода решений в продакшн.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для позиции Senior AI Engineer с опытом 5+ лет и стеком LLM/Multi-agent на российском рынке медиана составляет около 450,000 - 550,000 рублей. В топовых AI-лабораториях и финтехе верхняя граница может достигать 700,000+ рублей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
Senior AI Engineer в Agentic Lab
*📍* Удалённо (Россия)
Agentic Lab — AI engineering & transformation компания, создающая vertical AI-решения для ритейла, финансов, юридической сферы и сервисных индустрий. Компания ищет Senior AI Engineer для разработки production-grade AI-систем на собственной платформе Agentic Lab с использованием мультиагентных архитектур, LLM и современных AI-инструментов.
Основные задачи:
1/ Разработка AI-решений на базе платформы Agentic Lab: агентские сценарии, Decision Core, tool-calling и HITL-контуры;
2/ Проектирование мультиагентных пайплайнов с памятью, логикой и взаимодействием агентов;
3/ Работа с современными LLM (GPT, Claude, Gemini, Qwen, DeepSeek, GLM, Kimi, GigaChat и др.), включая open-weight модели и API;
4/ Разработка и оптимизация AI-инфраструктуры с использованием PostgreSQL, ClickHouse, Qdrant, Redis, GPU (A100/H100), vLLM и LangSmith;
5/ Оценка качества AI-пайплайнов, их оптимизация и внедрение enterprise AI-решений для одного из самых быстрорастущих бизнесов России.
Требования:
5+ лет опыта разработки AI/ML-решений;
Практический опыт построения production-grade LLM-систем и деплоя open-weight моделей;
Опыт проектирования мультиагентных систем (LangGraph или аналогичные фреймворки);
Уверенное владение PostgreSQL и векторными БД (Qdrant или аналоги), преимуществом будут ClickHouse и Redis;
Business mindset, высокий уровень самостоятельности и способность быстро доводить AI-решения от прототипа до production.
Старт проекта: 3–10 августа, первоначально на 3 месяца с возможностью перехода в постоянную команду.
Отправляйте резюме Откликнуться или на почту Откликнуться
Peers Media: карьера и бизнес
Чтобы разместить свою вакансию, заполните форму по ссылке
#AgenticLab #SeniorAIEngineer #ArtificialIntelligence #GenAI #LLM #MultiAgent #Python #AIEngineering #Remote
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- LLM
- Python
- PostgreSQL
- ClickHouse
- Qdrant
- Redis
- GPU
- vLLM
- LangSmith
- LangGraph
- GPT
- Claude
- Gemini
- DeepSeek
- GigaChat
Возможные вопросы на собеседовании
Проверка практического опыта проектирования сложных систем на базе LLM.
Расскажите о самом сложном мультиагентном пайплайне, который вы проектировали: как была организована память и логика взаимодействия агентов?
Оценка навыков оптимизации и работы с инфраструктурой.
Какие стратегии оптимизации инференса open-weight моделей вы использовали при работе с vLLM на GPU A100/H100?
Проверка понимания специфики векторного поиска.
В каких случаях вы предпочтете Qdrant другим векторным БД, и как вы решаете проблему актуальности данных в векторном индексе?
Оценка умения контролировать качество AI-решений.
Как вы выстраиваете процесс оценки качества (evaluation) и мониторинга галлюцинаций в enterprise-системах с использованием LangSmith или аналогов?
Проверка бизнес-ориентированности.
Опишите кейс, когда вам пришлось упростить AI-архитектуру ради ускорения выхода в production без значительной потери качества.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
