Python-разработчик AI-сервисов (LLM / RAG)

Задачи: — Развивать HTTP API и бизнес-логику двух асинхронных Python-сервисов на FastAPI. — Проектировать и реализовывать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов. — Развивать агентные сценарии на LangChain, LangGraph и deepagents: инструменты, middleware, ограничения числа вызовов, защита от циклов и контроль контрактов ответа. — Улучшать качество семантического поиска: chunking, dense/sparse retrieval, фильтры Qdrant, reranking, RRF и token budget. — Развивать событийную индексацию статей, файлов и структурированного контента через Kafka. — Обеспечивать корректную мультитенантность и фильтрацию результатов по правам пользователей, групп и сообществ. — Интегрировать и заменять LLM-, embedding- и reranking-провайдеры, включая OpenAI-compatible API, vLLM и Ollama. — Работать с PostgreSQL, Redis и Qdrant, проектировать модели данных и Alembic-миграции. — Диагностировать проблемы качества, производительности и надежности на границах внешних сервисов. — Развивать автоматические тесты и quality gates, поддерживать воспроизводимые локальные и CI-окружения. — Улучшать наблюдаемость: структурированные логи, технические метрики, OpenTelemetry и трассировку LLM/RAG через Langfuse. — Участвовать в декомпозиции задач, ревью кода и принятии архитектурных решений. Требования: — Уверенное владение Python и практический опыт разработки backend-сервисов. — Хорошее 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. — Опыт интеграции внешних сервисов и проектирования устойчивого взаимодействия: retry/backoff, timeout, idempotency, ограничение параллелизма и обработка частичных отказов. — Понимание событийной архитектуры и семантики Kafka consumer: consumer groups, offset commit, rebalance, повторная доставка и идемпотентная обработка. — Понимание устройства RAG: chunking, embeddings, retrieval, reranking, контекстное окно, ограничения LLM и способы снижения галлюцинаций. — Умение писать unit- и интеграционные тесты для асинхронного кода, отделяя бизнес-логику от внешней инфраструктуры. — Способность разбираться в существующей кодовой базе, находить причины проблем и предлагать минимальные, проверяемые изменения. Условия: — Офисный, гибридный или удаленный формат работы. — Оплата внешних курсов, корпоративная скидка на английский, поддержка выступлений на конференциях, участие в митапах и вебинарах. — Крупный и реально интересный продукт. — Комфортный офис в центре Москвы с необходимым оборудованием и лицензированным софтом. — Сплочённая команда профессионалов. — Корпоративные мероприятия и активный отдых вне работы.