Описание вакансии
Коротко о ролиОсвоить бэкенд целиком и понимать фронт настолько, чтобы чинить его без посторонней помощи. от трёх лет коммерческой бэкенд-разработки, в том числе сервисы на LLM в продакшене.
Задачи:
— Освоить бэкенд целиком и понимать фронт настолько, чтобы чинить его без посторонней помощи.
— Развивать бэкенд AI-функций: чат, стриминг ответов, retrieval, Deep Research.
— Работать с API LLM-провайдеров: параллельные вызовы, лимиты, кэширование промптов, стоимость.
— Определять контракты между фронтом и бэкендом и знать, где ставить проверки.
— Работать с промптами, контекстом, retrieval и Chroma.
— Строить CLAUDE.md, skills.
— Ревьюить AI-generated PR быстро и системно, а не читать подряд.
— Находить дефекты за зелёными тестами.
— Разбирать баги, до которых AI не доходит или которые он уверенно «чинит» неправильно.
— Если на фронте случилась беда — разобраться в React + TypeScript и поправить.
— Принимать технические решения и отвечать за результат.
— Работать в связке с ведущим backend/AI-инженером, снимая с неё задачи, мешающие сложной работе.
Требования:
Обязательно:
— Опыт от трёх лет коммерческой бэкенд-разработки, включая сервисы на LLM в продакшене.
— Знание Python и асинхронности: asyncio (gather, TaskGroup, Semaphore, отмена задач, таймауты), разница между async, тредами и процессами, GIL, httpx или aiohttp, пул соединений.
— Опыт с FastAPI: async-эндпоинты, Depends, Pydantic v2, стриминг (StreamingResponse, SSE, background tasks), обработка обрыва клиента.
— Работа с API LLM-провайдеров (OpenAI, Anthropic, Gemini): стриминг, tool use / function calling, structured output, prompt caching, подсчёт токенов, usage, rate limits (RPM, TPM), 429, ретраи с backoff, понимание разных форматов и опыт абстракции (LiteLLM или своя).
— Работа с данными: PostgreSQL (транзакции, индексы, конкурентная запись), Redis (кэш, локи, очереди, pub/sub).
— Понимание React + TypeScript на уровне, чтобы в случае большой беды поправить самому.
Будет плюсом:
— Знание RAG: эмбеддинги, векторные БД (Chroma, pgvector, Qdrant), чанкинг.
— Опыт с очередями: Celery, arq или Dramatiq для долгих задач вроде Deep Research.
— Навыки Observability: логирование LLM-вызовов, трейсинг (Langfuse, OpenTelemetry), учёт стоимости.
— Инфраструктура: Docker, nginx (настройки под SSE), базовый CI.
— Опыт с Evals: проверка качества ответов после смены промпта.
— Тестирование: pytest, моки LLM-вызовов.
Не подходят:
— Те, для кого AI — автодополнение.
— Те, кто без AI не напишет сложную часть системы.
— Вайбкодеры, не понимающие сгенерированный код.
— Те, кто только пользовался LLM, но не строил на них сервис.
— Те, кому нужна неделя на знакомство с проектом до первого результата.
— Те, кому на выход нужно больше суток.
Условия:
— Полный рабочий день, удалённо.
— Зарплата обсуждается на собеседовании.
— Английский B1+: читать и писать техническую документацию.
Как откликнуться:
— Резюме и сопроводительное письмо не нужны.
— Откликаться через HR-бота с голосовыми короткими ответами без пауз и зависаний.
Дополнительно:
— Проект на стадии выхода, нужен эксперт, а не новичок.
— Опционная программа прилагается.
— Требуется готовность выйти на работу на следующий день после собеседования.
— Claude Code — основной рабочий инструмент.
Контакты работодателя доступны по кнопке «Откликнуться» после входа.
Автоотклики