Задачи:
— Разработка и развитие production LLM/AI-систем и AI-агентов.
— Построение многошаговых agentic workflows: routing, tool calling, state management.
— Работа с prompt- и context-engineering, управление памятью и состоянием диалога.
— Реализация structured output и function/tool calling.
— Создание RAG-пайплайнов: chunking, embeddings, retrieval, reranking.
— Интеграция LLM с API, базами данных и внутренними сервисами.
— Разработка backend на Go и AI-компонентов на Python.
Требования:
— Умение собирать LLM-систему целиком — от prompt/context logic и агентов до backend, интеграций и запуска в production.
— Основной стек — Go для production-backend и высоконагруженной логики, Python для AI-инфраструктуры и прототипирования.
— Опыт построения agentic workflows, управления состоянием диалога и памяти.
— Понимание RAG, embeddings, retrieval и reranking.
— Навыки тестирования и оценки качества: evals, regression tests, golden datasets, LLM-as-a-judge.
— Умение выбирать модели с учётом качества, latency и стоимости.
— Анализ логов и трасс для повышения стабильности.
Задачи:
— Определять техническую архитектуру и направление для AI-систем на платформе, включая model serving, функции на базе LLM, агентские рабочие процессы и инфраструктуру.
— Проектировать производственные системы, которые надежны и наблюдаемы, несмотря на недетерминированное поведение AI.
— Архитектурно разрабатывать фреймворки оценки, защитные механизмы и системы качества для безопасного, измеримого и надежного поведения AI в масштабе предприятия.
— Руководить сложными задачами AI-инжиниринга от прототипирования до промышленного внедрения.
— Устанавливать инженерные стандарты и лучшие практики для AI-нативных систем, а также наставлять старших инженеров.
— Оценивать и интегрировать новейшие достижения в foundation models, агентских фреймворках и современном AI-стеке.
Требования:
— Обширный опыт построения и архитектуры производственных программных систем в масштабе, с глубокими знаниями AI/ML систем.
— Практический опыт создания производственных систем на базе LLM или моделей машинного обучения, включая проектирование для недетерминированного поведения.
— Глубокие знания распределенных систем, model serving и инфраструктуры для надежного запуска AI в масштабе.
— Опыт проектирования фреймворков оценки, защитных механизмов и систем качества для AI-функций.
— Опыт установления технической архитектуры и стандартов, а также наставничества старших инженеров.
— Уверенное владение одним из основных языков программирования (Python, Java или Go) и современными облачными инфраструктурами (AWS или GCP).
— Практический опыт с агентскими системами, проектирование и укрепление AI-агентов, принимающих автономные решения в продакшене.
— Знания современного AI-стека: retrieval-augmented generation, vector stores, агентские фреймворки, оркестрация моделей, инструменты оценки.
Условия:
— Удаленная работа из США.
— Полная занятость.
— Годовой базовый оклад от $165,000 до $185,000 USD.
— Возможны бонусы по результатам работы, социальные гарантии и другие планы стимулирования.
Компания Salesloft строит систему Predictive Revenue System, объединяющую AI и реальные данные для поддержки решений в области доходов предприятий. Роль Principal Software Engineer, AI — самая старшая индивидуальная инженерная позиция в AI-команде, ответственная за архитектуру и стандарты AI-систем, которые используют тысячи команд по всему миру.
Задачи:
— Проектировать и развивать LLM/AI-системы и AI-агентов;
— Строить многошаговые agentic workflows: routing, tool calling, state management;
— Работать с Prompt Engineering и Context Engineering;
— Управлять контекстом, памятью и состоянием диалога;
— Реализовывать structured output и function/tool calling;
— Строить RAG-пайплайны: chunking, embeddings, retrieval, reranking;
— Интегрировать LLM с API, базами данных и внутренними сервисами;
— Разрабатывать backend-сервисы на Go и AI-компоненты на Python;
— Исследовать новые модели и подходы, быстро проверять гипотезы;
— Выбирать модели с учетом качества, latency и стоимости;
— Строить систему оценки качества: evals, regression tests, golden datasets, LLM-as-a-judge;
— Анализировать логи и traces, улучшать качество и стабильность агентов;
— Реализовывать retries, fallbacks, timeouts и обработку ошибок;
— Доводить решения от прототипа до стабильного production.
Требования:
Go:
— production-сервисы;
— REST/gRPC API;
— concurrency;
— работа с БД;
— микросервисная архитектура.
Python:
— AI-сервисы и backend;
— async;
— API;
— обработка данных;
— быстрое прототипирование.
Также важно:
— Практический опыт разработки production-приложений с LLM;
— Понимание архитектуры современных AI-систем: prompt → context → tools → agent → state → evaluation;
— Опыт Prompt Engineering: system prompts, few-shot, prompt chaining, structured output;
— Опыт Context Engineering: memory, summarization, динамическая сборка контекста;
— Опыт создания AI-агентов и agentic workflows;
— Работа с LLM API и понимание особенностей разных моделей;
— Понимание RAG: embeddings, vector search, retrieval, reranking, hybrid search;
— Понимание evals, regression testing и анализа production-логов;
— Опыт с PostgreSQL, MongoDB, Redis, Docker, Git, CI/CD;
— Понимание production-подходов: observability, scalability, latency, retries, fallbacks и контроль стоимости.
Удалённо
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— Работа с NLP и AI-проектами, запуск AI-проектов в продакшн и построение архитектуры вокруг сторонних LLM-решений.
— Обучение нейросетевых моделей на GPU-кластере.
Требования:
— Большой опыт разработки на Python с использованием Pandas, NumPy, Scikit-learn.
— Опыт работы с LangChain, vLLM.
— Опыт работы с PyTorch, Hugging Face Transformers.
— Глубокое понимание машинного обучения, глубокого обучения и NLP.
— Опыт запуска AI-проектов в продакшн и построения архитектуры вокруг сторонних LLM-решений.
— Опыт обучения нейросетевых моделей на GPU-кластере.
— Знание SQL.
— Владение Git.
— Высшее техническое образование в области Computer Science, прикладной математики, AI/ML или смежных областях.
Условия:
— Работа в команде экспертов.
— Широкий технологический стек, сотни проектов.
— Гибкий график работы.
— Льготы и меры господдержки, предусмотренные для IT-компаний (аккредитованы Минцифры).
— Возможность разрабатывать IT-решения для разных отраслей и пробовать новые технологии.
— Возможность работать удалённо с доступом к просторным офисам с зонами коворкинга.
— Возможность профессионального роста: стать тимлидом, архитектором, full-stack разработчиком.
— Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка.
— Активный обмен опытом, митапы, хакатоны, доклады по развитию hard и soft skills.
— 50+ клубов по интересам и профессиональных сообществ.
— Уютный мерч.
— Полный соцпакет и официальная "белая" зарплата.
— Корпоративная база знаний и социальная сеть для сотрудников.
— Гибкий ДМС с возможностью подключения родственников.
AI-native Developer IT Вакансии Студия DreamVR ищет инженера, который умеет самостоятельно превращать продуктовые задачи в работающие системы, предполагающие полную ответственность за результат. Разобраться в контексте, определить критерии готовности, выбрать решение, реализовать его и проверить результат после запуска.
You will lead and execute core 0-to-1 initiatives in cutting-edge domains such as Agentic AI. You will translate high-level strategic vision into concrete execution roadmaps, driving rapid implementation from prototype to production.
Мы ищем: Талантливого NLP-разработчика на стажировку, которому предстоит работать над интересными высоконагруженными проектами.
Требования:
— Опыт разработки на Python от 1–2 лет;
— Базовое понимание LLM и AI-агентов;
— Практический опыт или уверенное понимание RAG-подхода;
— Опыт работы с векторными БД или embeddings (FAISS / Qdrant / аналоги — базовый уровень);
— Опыт backend-разработки (FastAPI / Flask);
— Понимание REST API, JSON, асинхронности;
— Готовность развиваться в AI-направлении.
Будет плюсом:
— Опыт работы с LLM API (OpenAI / open-source модели);
— Знакомство с LoRA / PEFT (pet-проекты, эксперименты);
— Базовый опыт работы с брокерами сообщений (Kafka, RabbitMQ, NATS);
— Docker (базовый уровень);
— Pet-проекты с AI-агентами или RAG.
Условия:
— Работа в команде экспертов;
— Широкий технологический стек, сотни проектов;
— Гибкий график работы, который позволяет высыпаться и выделять время на хобби;
— Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии;
— Организована удалённая работа, при этом есть просторные офисы с зонами коворкинга;
— Возможность прокачаться во всех интересующих направлениях: стать тимлидом, архитектором, разработчиком full-stack;
— Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка;
— Активный обмен опытом, внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills;
— 50+ клубов по интересам и профессиональных сообществ внутри компании;
— Корпоративная база знаний и социальная сеть для удобства общения с каждым из 1500+ сотрудников.
Дополнительно:
— Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации, осуществляющей деятельность в области информационных технологий от 10.03.2022 №АО-20220309-3771014210-3
Ищем Python-разработчика / AI Engineer уровня Middle+ / Senior на проект по автоматизации обработки и сверки финансовых документов.
Проект связан с разработкой сервиса, который будет принимать акты сверки и внутренние выгрузки, извлекать из них данные, сопоставлять документы, находить расхождения и формировать понятный результат для пользователя.
Задачи:
— Разбирать и обрабатывать документы в форматах Excel, PDF и сканы.
— Извлекать табличные данные из документов.
— Нормализовать даты, номера документов, суммы и другие поля.
— Проектировать и реализовывать логику сопоставления данных.
— Выявлять расхождения между двумя источниками.
— Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации.
— Интегрировать OCR и Document AI-инструменты.
— При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений.
— Разрабатывать backend/API для сервиса.
— Участвовать в проектировании архитектуры MVP.
— Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных.
Требования:
— Коммерческий опыт разработки на Python от 3 лет.
— Уверенное владение Python.
— Опыт работы с pandas и табличными данными.
— Опыт обработки Excel / CSV.
— Опыт парсинга PDF.
— Опыт разработки backend-сервисов и REST API.
— Понимание алгоритмов сопоставления, нормализации и очистки данных.
— Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ.
— Опыт работы с Git.
Будет большим плюсом:
— Опыт с OCR: Tesseract, PaddleOCR или аналогами.
— Опыт с PyMuPDF, pdfplumber, Camelot, Tabula.
— Опыт с fuzzy matching.
— Опыт работы с Document AI / Intelligent Document Processing.
— Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов.
— Опыт разработки систем reconciliation / data matching.
— Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами.
— Опыт On-Premise решений.
— Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI.
Что здесь не требуется:
— Мы не ищем классического Data Scientist и не планируем обучение собственных ML-моделей с нуля.
В проекте важнее:
— сильная прикладная Python-разработка;
— работа с документами и данными;
— построение надежной логики сопоставления;
— понимание, где действительно нужен AI, а где лучше использовать обычные алгоритмы.
О проекте:
— На первом этапе планируется разработка MVP без глубокой интеграции с внутренними учетными системами.
— Базовый сценарий: пользователь загружает акт сверки и внутреннюю выгрузку, система извлекает и нормализует данные, выполняет сопоставление, показывает совпадения и расхождения, формирует структурированный результат для пользователя.
— Ожидаемый результат — рабочий прототип, который можно проверить на реальных исторических данных.
Условия:
— Удалённая работа.
— Проектная занятость / аутстафф.
— Возможна полная или частичная загрузка — обсуждается индивидуально.
— Проект стартует с этапа MVP, с возможностью продолжения.
— Работа в составе небольшой проектной команды.
Ожидаемый уровень: Middle+ / Senior
Нам нужен специалист, который сможет самостоятельно разобраться в предметной области, предложить техническое решение и довести его до рабочего результата.
Будет преимуществом в отклике:
— опыт похожих задач: обработка документов, OCR, reconciliation / matching, financial data processing, Document AI, LLM-интеграции.
— указание текущей доступности, возможной загрузки в часах в месяц, часовой ставки, формата работы (ИП / самозанятый / другой).
- 5+ years in IT overall, including 2+ years hands-on building applications, agents, and automations on top of LLMs - applying generative AI to real products and business tasks — and demonstrated seniority owning solutions end to end. - Hands-on experience with RAG and retrieval: embeddings, vector databases, tuning retrieval quality.
Задачи:
— изучение инструментов и практик AI-driven разработки, включая автоматизацию продуктового цикла, разработку мультиагентских систем и работу с крупными проектами от 500 тысяч строк кода с контролем затрат токенов
— разбор кейсов: автоматизированный цикл оптимизации конверсии сайта через симуляцию на базе реального поведения пользователей, создание RAG с нуля (от чанкинга до оценки качества через RAGAS), сборка мультиагентной системы на живом кейсе, архитектурная трансформация монолита в микросервисы через Domain-Driven Design и spec-driven ревью
Условия:
— программа длится три месяца
— 17 онлайн-встреч от 2 до 3 часов
— возможность общения с экспертами, разбор рабочих кейсов и задач для практики
— все материалы доступны в записи 6 месяцев после покупки
— старт третьего потока 6 октября
— для подписчиков канала с промокодом GOLANG доступна скидка 20%
Задачи:
— Написание кода агента на Python, который использует внешние API;
— "Упаковка" кода в Docker-образ с минимальным размером и безопасными зависимостями;
— Написание Helm-чарта для развертывания этого образа в Kubernetes;
— Поиск способов обновления библиотеки или применение патча, пересборка образа и обновление деплоя при блокировке образа SCA-сканером из-за уязвимости в библиотеке requests;
— Чтение логов пода в ArgoCD, в случае падения агента в продакшн. Исправление кода и подготовка нового деплоя, если ошибка в промпте или API.
Требования:
— Опыт от 3-6 лет Middle / Senior;
— Бэкграунд: Python-разработчик, который увлекался AI и выучил Docker/Kubernetes, либо MLOps-инженер, который умеет хорошо программировать;
— Ключевая компетенция: автономность — уметь не только написать бота, но и перенести его в контейнер, пройти проверку безопасности и запустить в кластере без помощи системных администраторов;
— Глубокое понимание работы зависимости в Python (virtualenv, poetry, pip), так как 70% проблем с деплоем связаны с ними;
— Понимание концепции AI Agents, RAG, Tool Calling;
— Навыки работы с DevOps / MLOps инструментами: Docker, Kubernetes, Helm, ArgoCD (чтение логов/статусов), bash;
— Опыт работы с SCA-сканерами.
Условия:
— Заработная плата до 260 000 рублей на руки;
— Оформление через ИП, самозанятый;
— Гражданство РФ, локация РФ;
— Удалённая работа.
Описание проекта и команды:
— Управляющая компания.
Этапы отбора:
1. Интервью
2. Проверка информационной безопасности.
Anthropic Fellows Program is designed to foster AI research and engineering talent by providing funding and mentorship to promising technical talent regardless of previous experience. Fellows primarily use external infrastructure such as open-source models and public APIs to work on empirical projects aligned with Anthropic's research priorities, aiming to produce public outputs like paper submissions. The program runs multiple cohorts yearly with rolling application reviews, expecting a start in January 2027 but flexible start dates can be requested.
The program includes 4 months of full-time research, direct mentorship from Anthropic researchers, access to a shared workspace, connection to the AI safety and security research community, a weekly stipend of 3,850 USD / 2,310 GBP / 4,300 CAD plus benefits varying by country, and funding for compute (~$15k/month) and other research expenses.
The interview process involves an initial application and reference check, technical assessments and interviews, and a research discussion. Applicants are encouraged to apply even if they do not meet every qualification, with emphasis on diversity and inclusion.
There are two main fellow tracks:
ML Systems & Performance Fellows:
- Mentors include Alwin Peng and Zygi Straznickas.
- Projects may involve building CPU simulators for accelerator workloads, adding backends for accelerators on open source projects, building on-demand infrastructure, and creating complex synthetic data or environment pipelines.
- Candidates should have strong software engineering skills, experience with complex ML systems, ability to balance research and engineering rigor, comfort with large-scale distributed systems and high-performance computing, experience with training or evaluating large language models, and skills in analyzing and debugging model training.
- Fluency in Python and full-time availability are required.
Reinforcement Learning Fellows:
- Mentors include Ruhua Jiang, Kaidi Cao, Sunny Duan, David Brandfonbrener, Colt Steele, Dino Distefano, and Will Williams.
- Projects may include building model-based tools to understand and improve AI training data, research on generalization, creating RL environments to improve Claude models and safety-related tasks, and research and implementation of RL algorithms.
- Candidate criteria are similar to ML Systems Fellows.
Logistics:
- Participants must have work authorization and be located in the US, UK, or Canada during the program.
- Shared workspaces are available in San Francisco; remote participation is allowed in the UK, US, or Canada.
- Visa sponsorship is not provided; candidates must have or obtain full-time work authorization independently.
- The program duration is 4 months full-time, with possible extensions and flexibility for partial commitments.
Additional notes:
- No guarantee of full-time offers post-program, though strong performers may receive offers or continue impactful AI safety work elsewhere.
- Anthropic's full-time role policies do not apply to the Fellows Program.
- The company emphasizes collaborative, large-scale AI research with a focus on safety, interpretability, and steerability.
- Candidates must be fluent in Python and able to commit full-time.
- The program values diversity and encourages applications from underrepresented groups.
- Safety advice is provided regarding recruitment communications.
Apply at the provided link.