Задачи:
— Создавать ИИ-агентов с использованием LangChain и LangGraph.
— Проектировать и разрабатывать внутренний SDK для поддержки агентных решений.
— Формировать и готовить оценочные датасеты (eval datasets) для тестирования и валидации агентов.
Требования:
— Глубокое понимание основ Python: типы данных, функции и классы, обработка исключений, итераторы и генераторы, context managers, модуль typing, внутренняя структура объектов и управление памятью.
— Практический опыт параллельной и конкурентной обработки: async/await и asyncio, потоки и процессы, очереди и семафоры, отмена задач, таймауты и контроль нагрузки.
— Навыки создания отказоустойчивых сервисов: FastAPI, валидация через Pydantic, механизмы аутентификации, TDD, логирование, аудит, сбор метрик и трассировка.
— Умение управлять системными ресурсами: subprocess и multiprocessing, обработка сигналов, лимиты CPU/RAM, контроль RSS и файловых дескрипторов, обработка зависших процессов, предотвращение OOM.
— Подтверждённый опыт внедрения RAG-решений в корпоративных системах.
— Владение принципами построения агентских систем: способность реализовать агентский цикл на чистом Python.
— Знание ключевых элементов архитектуры ИИ-агента и их взаимодействия.
— Опыт развёртывания микросервисной архитектуры: Docker и Kubernetes.
— Практические навыки оптимизации инференса LLM: настройка модели и движка для повышения пропускной способности.
— Опыт разработки ИИ-агентов с применением LangChain и LangGraph.
— Практические навыки реализации консьюмеров для Apache Kafka.
— Опыт построения ETL-процессов корпоративного уровня (enterprise ETL).
Условия:
— Удалённый формат работы с доступностью по UTC+3 (локация — Россия).
— Срок привлечения специалиста до конца 2026 года с возможностью пролонгации.
Контакты работодателя доступны по кнопке «Откликнуться» после входа.