Senior Python разработчик (Visiology Cortex)
Оценка ИИОтличная вакансия для опытного разработчика, желающего работать с передовым стеком (LLM, RAG, LangGraph) в известной компании. Четкие требования и интересные задачи перевешивают высокую планку входа.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием опыта более 6 лет и необходимостью работать на стыке технологий (Python, .NET, Angular), а также глубокими знаниями в области LLM и RAG.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior Python разработчика с фокусом на AI/LLM и опытом от 6 лет в России рыночный диапазон составляет от 350 000 до 550 000 рублей. Вакансия требует редких компетенций в области RAG и агентных систем, что может поднять планку выше среднего.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Polymedia
Senior Python разработчик (Visiology Cortex)
Опыт работы: более 6 лет
Полная занятость
График: 5/2
Формат работы: удалённо или гибрид
*☑️* Чем предстоит заниматься
-Работа над AI-модулем Visiology Cortex и смежными частями платформы. Задачи могут быть очень разными — важно уметь переключаться и быстро обучаться. Возможные задачи:
-Развитие архитектуры Cortex: LangGraph-агенты, маршрутизация запросов, мультиагентные сценарии
-Разработка и оптимизация RAG-пайплайна: индексация документов, работа с эмбеддингами и реранкерами, поиск по векторным представлениям
-Интеграция с LLM (Claude / OpenAI / GigaChat / open-source модели), контроль стоимости инференса, стриминг ответов (SSE)
-Разработка backend-сервисов на Python
-Работа с PostgreSQL, в т.ч. с хранением и поиском по векторам
-Интеграция с ядром платформы Visiology через REST API (дашборды, метрики, модели данных)
-Точечные задачи на Angular/TypeScript (UI Cortex) и C#/.NET (при стыковке с сервисами платформы)
-Использование AI-ассистентов (Claude Code, Cursor и аналогов) для полного цикла работы над фичей: анализ — реализация — тестирование — ревью
-Проведение технических исследований, прототипирование AI-сценариев
-Написание unit- и интеграционных тестов
-Разработка технической документации
-Участие в технических обсуждениях и событиях Scrum
*☑️* Наши пожелания к кандидатам
-Опыт коммерческой разработки от 6 лет
-Уверенное знание Python, опыт построения backend-сервисов
-Опыт работы с PostgreSQL
-Понимание базовых принципов работы с LLM и RAG: эмбеддинги, векторный поиск, prompt engineering, ограничения контекста
-Практический опыт работы с AI-ассистентами разработки (Claude Code, Cursor, Copilot или аналогами) — умение декомпозировать задачу, дать корректный контекст агенту, проверить и доработать результат
-Понимание работы веб-приложений (HTTP, REST API)
-Знание структур данных и шаблонов проектирования, умение их применять
-Умение проводить качественное code review (в том числе сгенерированного AI кода)
-Опыт работы с системами контроля версий (Git)
-Знание английского языка на уровне чтения технической документации
-Готовность изучать новые технологии и работать на стыке нескольких языков
-Будет плюсом:
-Production-опыт работы с LLM-фреймворками (LangGraph, LangChain, LlamaIndex)
-Опыт построения RAG-систем: векторные БД (FAISS, Qdrant, Milvus, pgvector), реранкеры, гибридный поиск
-Опыт интеграции с API LLM-провайдеров (Anthropic Claude, OpenAI, GigaChat, YandexGPT) и контроля стоимости инференса
-Опыт работы с MCP (Model Context Protocol) и агентными паттернами
-Опыт работы с TypeScript / Angular или C# / .NET
-Опыт работы с реляционными и векторными базами данных
-Опыт работы в Agile/Scrum командах
-Опыт работы с DWH/BI-системами, понимание DAX/OLAP/моделей данных
-Опыт работы с Docker и CI/CD (TeamCity / GitHub Actions)
Контакты: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- PostgreSQL
- LLM
- RAG
- LangGraph
- LangChain
- LlamaIndex
- FAISS
- Qdrant
- Milvus
- pgvector
- REST API
- TypeScript
- Angular
- C#
- .NET
- Docker
- CI/CD
- Git
- Scrum
- DWH
- BI
Возможные вопросы на собеседовании
Проверка практического опыта работы с агентными архитектурами, упомянутыми в вакансии.
Расскажите о вашем опыте работы с LangGraph. Как вы проектируете мультиагентные сценарии и решаете проблему зацикливания агентов?
Вакансия предполагает работу над RAG-пайплайном. Важно понять, как кандидат оптимизирует поиск.
Какие стратегии улучшения качества RAG вы использовали? Как вы выбираете между векторным, ключевым и гибридным поиском для конкретных задач?
В описании указано использование AI-ассистентов для полного цикла разработки.
Как вы интегрируете AI-ассистентов (Cursor, Claude Code) в свой рабочий процесс? Как вы подходите к ревью кода, сгенерированного нейросетью, чтобы избежать галлюцинаций и проблем с безопасностью?
Работа предполагает интеграцию с ядром на C# и фронтендом на Angular.
Был ли у вас опыт работы в полиглот-командах? Насколько комфортно вам будет вносить точечные правки в код на C# или TypeScript при необходимости?
Важный аспект для коммерческих AI-продуктов.
Какие методы оптимизации стоимости использования LLM вы применяли в продакшене? Как вы реализуете стриминг ответов через SSE?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
