IT-OneИнженер · Работа в сфере IT - технологий

Старший AI-инженер

на дому

Удалённо

Открыть
первоисточник Проверено
11.11.2026 Отклик ведёт на
проверенную страницу отклика

Требования

Опыт в AI / LLM:
Опыт разработки LLM-решений (коммерческий, исследовательский или серьёзные pet-проекты): агенты с инструментами, RAG, многошаговые workflow или обработка документов.
Опыт интеграции моделей через API или локально; понимание контекста, токенов, structured output, tool calling и ограничений LLM.
Ежедневная разработка через coding-агентов: постановка и декомпозиция задач, управление контекстом, отладка, рефакторинг, тестирование.
Умение проверять AI-generated код: анализ diff, тестов, ошибок и фактического поведения системы.
Способность объяснить архитектуру своих решений, личный вклад, компромиссы и контроль качества.Инженерная база и Python:
Опыт коммерческой разработки от 3 лет.
Опыт самостоятельного проектирования и реализации production-сервисов или существенных компонентов среды.
Уверенный Python: структуры данных, ООП, типизация, исключения, зависимости и понимание среды исполнения.
Практический опыт asyncio, async/await и конкурентного выполнения задач (ограничения параллелизма, таймауты, отмена операций).
Опыт разработки сервисов на FastAPI или аналогичных фреймворках, проектирования REST API и интеграций по HTTP.
Уверенная работа с SQL и реляционными БД (желательно PostgreSQL): транзакции, индексы, оптимизация запросов.
Опыт работы с Docker, Linux и Git; автоматизированного тестирования (включая асинхронный код и внешние интеграции).
Понимание принципов надежности: повторные попытки, идемпотентность, конкурентный доступ, восстановление после сбоев и наблюдаемость.

Обязанности

Разработка AI-решений и агентных систем:
Создание агентных систем: интеграции с LLM, вызовы инструментов, многошаговые workflow, RAG, работа с контекстом и памятью, планирование и human-in-the-loop.
Организация разработки через coding-агентов: параллельная работа нескольких агентов, распределение задач, обеспечение контекста, проверка и интеграция изменений.
Разработка сервисов на Python: API, интеграции, асинхронные процессы, фоновые задачи и обработка событий.
Обеспечение надежности и эксплуатации LLM и coding-агентов.Прототипирование и качество:
Быстрое создание прототипов и MVP, проверка продуктовых и технических гипотез.
Тестирование новых подходов и доведение перспективных решений до production.
Выбор архитектуры и проверка качества LLM-систем: корректность ответов, устойчивость к ошибкам, соблюдение ограничений.
Оценка компромиссов между качеством, скоростью, стоимостью, безопасностью и сложностью поддержки.