- Страна
- Россия
Tech Lead Python / LLM Agents
Оценка ИИИнтересная роль на острие технологий (LLM Agents) в стабильной компании с ИТ-аккредитацией. Предлагается полная удаленка, хороший соцпакет и работа над реальными индустриальными кейсами, что делает вакансию привлекательной для опытных инженеров.
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 требованиями к глубокому опыту (от 7 лет в бэкенде) и специфическим навыкам в области LLM-агентов и Durable execution. Также требуется знание Go и опыт работы с высоконагруженными промышленными системами.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ вакансии не указан точный уровень дохода, однако для позиции Tech Lead с таким стеком (LLM, Python, Go) рыночные предложения в России обычно начинаются от 450 000 рублей и могут достигать 700 000+ рублей в зависимости от квалификации. Данная роль требует редких компетенций, что позволяет претендовать на верхнюю границу рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
TECH LEAD PYTHON / LLM AGENTS
*🏢* Компания: OES
*🌍* Формат: Удалёнка — Россия
*🕒* Занятость: Полная занятость
О компании:
Операционное совершенство — IT‑компания, разрабатывающая и внедряющую IT‑продукты для горнодобывающей отрасли и услуги диспетчеризации производства на базе собственных решений.
Задачи:
• Разрабатывать ядро платформы на Python: сессии, цикл агента, политики и учёт бюджета хода.
• Переводить пользователей с пилотной архитектуры на целевую без простоя.
• Снижать стоимость хода: кэш префикса, маршрутизация моделей, лимиты инструментов и расчёт цены по usage.
• Организовывать оценку качества: эталонные трассы, LLM‑судья, регресс и трассировка.
• Обеспечивать надёжные фоновые процедуры, идемпотентность и корректную запись во внешние системы.
• Песочница для кода агентов, безопасность, ревью команды и участие в найме.
Требования:
• Backend опыт ≥7 лет, ≥2 года в роли техлида/ведущего инженера с ответственностью за продакшн.
• Python в продакшне: asyncio, FastAPI, Pydantic, типизация и тесты; уметь читать и править Go.
• Опыт LLM‑агентов в продакшне: tool calling, агентный цикл, ограничения и обработка ошибок.
• Опыт с eval/регрессом, эталонными наборами и наблюдаемостью (Langfuse, OpenTelemetry или эквивалент).
• Durable execution (Temporal, Restate или аналог), идемпотентность и повторы.
• PostgreSQL, Redis, S3, Docker, Kubernetes, GitLab CI; понимание OAuth2/OIDC и token exchange.
Стек:
Python, asyncio, FastAPI, Pydantic, Go, PostgreSQL, Redis, S3, Docker, Kubernetes, GitLab CI, Temporal/Restate, OpenAI‑совместимые API, LiteLLM, Langfuse, OpenTelemetry, OAuth2/OIDC
Условия:
• Удалённая работа из любой точки мира.
• ИТ‑аккредитация.
• Программа корпоративных привилегий BestBenifit.
• ДМС со стоматологией.
• Доступ к обучению английскому и профессиональным курсам.
• Участие в интересных проектах в области искусственного интеллекта.
*📩* Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- asyncio
- FastAPI
- Pydantic
- Go
- PostgreSQL
- Redis
- Docker
- Kubernetes
- GitLab CI
- Temporal
- OpenAI API
- LiteLLM
- Langfuse
- OpenTelemetry
- OAuth2
Возможные вопросы на собеседовании
Проверка понимания архитектуры агентских систем и способов оптимизации затрат на API.
Как бы вы реализовали механизм маршрутизации моделей для снижения стоимости хода агента без потери качества выполнения задачи?
Оценка опыта работы с надежностью распределенных систем.
Расскажите о вашем опыте использования Temporal или аналогичных инструментов для обеспечения идемпотентности в сложных бизнес-процессах.
Проверка навыков обеспечения качества в недетерминированных системах.
Как вы организуете процесс оценки качества (evals) для LLM-агентов, чтобы гарантировать отсутствие регрессии при обновлении промптов или моделей?
Оценка навыков проектирования безопасной среды исполнения.
Какие подходы вы бы использовали для создания безопасной песочницы при выполнении сгенерированного агентом кода?
Проверка технической гибкости и готовности работать с многоязычным стеком.
Насколько уверенно вы читаете и правите код на Go, и в каких ситуациях, по вашему мнению, стоит переносить логику из Python-сервисов в Go-компоненты?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
