ИИ-разработчик (AI)
Описание
Локация: Москва, Покровский бульвар, 4/17с1. Формат работы: на месте работодателя или гибрид.Зарплата: до 200 000 ₽ на руки в месяц.КомпанияQSOFT — российский digital-интегратор с экспертизой в AI и ML, развивающий высоконагруженные digital-проекты для бизнеса и государственных структур. В направлении TEAMLY создаётся цифровое пространство для совместной работы, управления знаниями и автоматизации рутинных задач.Что делатьРазвивать HTTP API и бизнес-логику асинхронных Python-сервисов на FastAPI.Проектировать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов.Создавать агентные сценарии на LangChain, LangGraph и deepagents с инструментами, middleware, ограничениями вызовов и защитой от циклов.Улучшать семантический поиск, включая chunking, dense/sparse retrieval, фильтры Qdrant, reranking, RRF и управление token budget.Развивать событийную индексацию контента через Kafka и обеспечивать мультитенантность с фильтрацией по правам пользователей, групп и сообществ.Интегрировать LLM-, embedding- и reranking-провайдеров, работать с базами данных, тестами, наблюдаемостью и архитектурными решениями.ТребованияОт 1 года до 3 лет опыта; уверенное владение Python и практический опыт разработки backend-сервисов.Понимание асинхронного программирования: event loop, конкурентный I/O, таймауты, отмена, управление ресурсами и graceful shutdown.Опыт разработки API на FastAPI или сопоставимом Python-фреймворке.Практический опыт с PostgreSQL и SQLAlchemy: транзакции, конкурентный доступ, индексы, миграции и диагностика запросов.Понимание событийной архитектуры Kafka, RAG, embeddings, retrieval, reranking и ограничений LLM.Умение писать unit- и интеграционные тесты для асинхронного кода и находить причины проблем в существующей кодовой базе.Хорошо, если естьProduction-опыт с Qdrant или другой векторной базой, hybrid search и оценкой качества ранжирования.Опыт разработки LLM-приложений на LangChain, LangGraph или другом orchestration framework.Опыт со structured output, function/tool calling и потоковой генерацией.Понимание prompt injection, разграничения доступа к данным и рисков безопасности RAG/agent-систем.Опыт эксплуатации Kubernetes, observability, локальных моделей, vLLM или Ollama.Культура и преимуществаРабота над AI-функциями платформы, которой ежедневно пользуются тысячи людей.Технологический стек включает Python 3.12, FastAPI, PostgreSQL, Redis, Kafka, Qdrant, LangChain, LangGraph, Docker, Kubernetes и GitLab CI.В задачах используются структурированные логи, технические метрики, OpenTelemetry и трассировка LLM/RAG через Langfuse.Предусмотрено участие в декомпозиции задач, code review и принятии архитектурных решений.