Задачи:
— Разработка и внедрение агентов на базе LLM, проектирование ML-компонентов платформы агентов.
— Создание агентов, способных обрабатывать сложные multi-turn и multi-modal запросы пользователей.
— Разработка систем маршрутизации задач, выбора инструментов и моделей, управление вызовами функций и оркестрация моделей внутри пайплайна.
— Замена традиционных классификаторов LLM-пайплайнами и RAG-системами, трансформация старых архитектур в современные пайплайны с LLM, вызовом функций, планированием и рассуждениями.
— Дообучение, настройка и интеграция моделей, оптимизация inference, работа с опенсорс-моделями и внутренними, включая fine-tuning, RL и адаптацию под платформу агентов.
— Обеспечение быстрой и устойчивой работы агентов на продакшене, оптимизация inference и взаимодействие с инфраструктурой (Eagle, FP8, дистилляция, multi-dimensional parallelism).
— Исследования и эксперименты с графами агентов и памятью, эксперименты с вызовами агентов, memory-подсистемами, симуляцией поведения, архитектурами reasoning и системами планирования.
— Участие в разработке RL-моделей для обучения диалоговых агентов, постановка и реализация экспериментов с multi-turn reinforcement learning в масштабах Яндекса и Алисы.
Требования:
— Глубокие знания в Deep Learning и NLP.
— Опыт работы с LLM и пайплайнами вокруг них (function calling, memory, RAG).
— Опыт внедрения ML-систем в продакшен.
— Системное мышление — от архитектуры до интеграции с инфраструктурой.
— Владение Python и знакомство с PyTorch.
— Готовность к кросс-функциональной работе с бэкендом и продуктовыми командами.
Задачи:
— рекомендовать AI-решения Sonar Systems компаниям из своего окружения или находить новых потенциальных клиентов
— передавать контакт и короткий контекст заинтересованных клиентов команде Sonar Systems, которая занимается демо, техническими вопросами, коммерческими предложениями, договорами и внедрением
Требования:
— опыт ведения переговоров и продаж
— умение находить бизнес-возможности и развивать деловой нетворк
— понимание бизнеса и умение общаться с руководителями (собственниками, директорами, руководителями продаж или сервиса)
— роль подходит для РОПов, BDM, коммерческих директоров, предпринимателей, консультантов, маркетологов, digital/IT/CRM-специалистов
Условия:
— неполный рабочий день, можно совмещать с основной деятельностью
— удалённый формат работы
— партнёрский формат без фиксированного оклада, вознаграждение в виде комиссии после оплаты сделки клиентом
— работа оформляется по договору
— техническим специалистом быть не нужно, самостоятельное внедрение продукта и закрытие сложных продаж не требуется
О компании и продуктах:
— Sonar Systems помогает компаниям увеличивать отдачу от заявок, звонков и клиентских коммуникаций
— продукты: Sonar Speech (анализ звонков и контроль качества продаж), Sonar Agent (AI-агент для сайта, мессенджеров и обращений), Sonar Lead (работа с лидами и входящими обращениями), кастомная разработка AI-решений под процессы клиента
Как начать:
— откликнуться на вакансию
— пройти короткий созвон для знакомства с продуктами и партнёрской моделью
— получить материалы для первого касания и рекомендации по поиску клиентов
— рекомендовать Sonar Systems и получать комиссию с оплаченных сделок
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.
Будет плюсом:
— Multi-agent системы;
— LangGraph;
— MCP;
— Langfuse / LangSmith;
— Elasticsearch / OpenSearch;
— Open-source LLM: Qwen, Llama, DeepSeek и др.;
— vLLM / Ollama;
— Kafka / RabbitMQ;
— Kubernetes;
— Оптимизация token usage, latency и стоимости LLM;
— Guardrails и защита от prompt injection;
— Highload-системы.
Ищем инженера, который воспринимает LLM не как простой API, а как компонент большой production-системы. Важно уметь проектировать всю логику вокруг модели: какие данные передать в контекст, какого агента или инструмент вызвать, как проверить результат, обработать ошибку и определить следующий шаг. Ищем software engineer с сильной AI/LLM-экспертизой, который умеет не только написать хороший промпт, но и довести всю систему до стабильного production-решения.
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.
Ищется React-разработчик уровня Middle+ для работы с технологиями React, TypeScript, Vite, ESBuild, Zustand, TanStack Query, React Router и CSS Modules. В задачи входит участие в проекте, связанном с созданием безопасных автономных ИИ-агентов на ведущей инфраструктурной платформе. Требуется опыт работы с указанным стеком для реализации функционала в области искусственного интеллекта.
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.
Разработка co-pilot решения на базе данных RAG и применении LLM. Разработка и интеграция AI-агентов, исследование новых поверхностей взаимодействия с AI.
О компании OperAI — интерактивная система на базе ИИ для управления операционной деятельностью компании. Цель — создать «второй мозг для CEO», сделать процессы прозрачными и управляемыми, помочь руководителям видеть риски, договорённости и реальное состояние компании. Сейчас запускают пилоты с первыми командами и проверяют продуктовые гипотезы.
Требования:
— Опыт в продуктовой или data-аналитике от 3 лет
— Опыт проектирования архитектуры данных и построения аналитической инфраструктуры с нуля
— Умение создавать модели, схемы и пайплайны для сбора, обработки и хранения структурированных и неструктурированных данных, в том числе с AI
— Практический опыт работы с неструктурированными данными: переписками, расшифровками встреч, документами и корпоративными коммуникациями
— Опыт построения процессов разметки данных: разработка схем разметки, критериев качества и инструкций для разметчиков
— Уверенное владение SQL и Python для анализа и обработки данных
— Понимание ETL/ELT-процессов, требований к качеству данных и принципов Data Governance
— Глубокое понимание принципов работы LLM, embeddings, RAG и AI-агентов
— Умение проектировать метрики и системы оценки AI-функций: точность, полнота, галлюцинации и реальная польза для пользователя
— Готовность брать на себя ответственность и строить аналитическую функцию продукта с нуля
Задачи:
— Проектировать систему внутренней аналитики
— Проектировать структуру хранения данных: события, встречи, задачи, решения, коммуникации и связи между ними
— Помогать формировать единую модель данных для AI-функций продукта
— Оценивать качество работы LLM: точность извлечения фактов, полноту, галлюцинации и полезность результатов
— Разрабатывать подходы к разметке данных и созданию датасетов для тестирования AI-системы
— Участвовать в проектировании AI-пайплайнов, RAG, embeddings и систем поиска по корпоративным данным
— Находить закономерности в операционных процессах клиентов и превращать их в продуктовые решения
— Определять ключевые продуктовые метрики и строить дашборды для команды и фаундеров
— Анализировать поведение пользователей, пилотные запуски и продуктовые гипотезы
— Вместе с разработчиками улучшать качество, наблюдаемость и надёжность продукта
Будет большим плюсом:
— Опыт проектирования архитектуры AI- или ML-систем
— Работа с LLM API, векторными базами, LangChain/LangGraph или аналогичными инструментами
— Опыт построения систем мониторинга и оценки качества LLM
— Понимание операционной деятельности компаний: задач, встреч, решений, ответственности, сроков и отчётности
— Опыт работы с BI-инструментами и продуктовыми системами аналитики
— Опыт в B2B SaaS, стартапах или продуктах для руководителей и команд
— Опыт взаимодействия с data engineering, ML и backend-командами
Условия:
— Equity-модель компенсации на начальном этапе — опцион
— Возможность с нуля построить аналитику AI-продукта
— Высокое влияние на архитектуру, продуктовые решения и развитие компании
— Прямая работа с фаундерами
— Пилотные клиенты и реальные данные для проверки гипотез
— Гибкий формат работы и быстрый цикл принятия решений
— Возможность вырасти в Head of Data / AI Analytics по мере развития проекта
Ббыстрорастущая технологическая компания, разрабатывающая решения в области Computer Vision, Generative AI и AI-агентов.
Обязанности: Тестировать онбординг-воронки end-to-end, проходить воронку как пользователь от первого шага до постпеймент-экрана. Тестировать веб-приложение и iOS-приложение: функциональность, пользовательские сценарии, стабильность работы продукта.
You'll lead the team that builds the intelligence every ZoomInfo AI agent reasons over — what's true about companies and the people in them, how they relate, and what they're buying. You'll set the technical bar for a team of senior engineers while staying close to the code, shipping alongside the people you lead.
Задачи:
— Вести продукт от бизнес-проблемы до ценности в production: исследовать процесс заказчика, формулировать jobs-to-be-done / потребности, определять scope, критерии успеха и приоритизировать
— Формировать и защищать product decisions: что делаем, что не делаем, почему именно такой вариант
— Глубоко понимать техническое решение, чтобы обсуждать с разработчиками и архитекторами ограничения, варианты реализации, стоимость изменений и технические компромиссы
— Активно использовать AI в production-процессе (Claude Code, Codex, Cursor и другие agents) — для исследования, прототипирования, проверки гипотез и работы с продуктом
— При необходимости самостоятельно исследовать существующую систему и процессы через AI-агента
— Быстро собрать prototype / vertical slice
— Проверить гипотезу на реальных данных или сценариях
— Описать и провалидировать API / интеграции
— Провести AI-assisted review решения
— Проверить пользовательский сценарий end-to-end
— Организовывать работу так, чтобы AI ускорял discovery, валидацию и delivery, а не просто помогал писать тексты и тикеты
— Удерживать фокус на результате для бизнеса и пользователя, а не на количестве фич
Требования:
— Опыт работы Product Manager / Product Owner в software-продуктах или заказной разработке от 5 лет
— Техническое образование или опыт в аналитике / разработке
— Техническая погружённость: понимание frontend/backend, API, данных, интеграций, ограничений разработки и release-процесса
— Способность разобраться в существующей системе (в том числе вместе с coding agent)
— Умение отличать сильное продуктовое и техническое решение от слабого и разговаривать с Tech Lead / Senior на одном языке
— Реальный опыт работы с AI-агентами (не только ChatGPT), особенно для исследования, прототипирования и проверки гипотез
— Умение выстраивать процесс работы с AI: что отдавать агенту, какие решения оставлять человеку, как проверять результат и снижать риски галлюцинаций
— Способность проходить путь: business problem → discovery → scope → solution → prioritization → delivery → verification → value
— Умение выбирать простое и быстрое решение вместо технологически красивого, но долгого, когда оба закрывают потребность
Будет плюсом:
— Опыт самостоятельного создания с AI работающего продукта, внутреннего инструмента или automation
— Опыт работы с coding agents, MCP, Playwright, agent orchestration
Условия:
— Удаленный формат с гибким графиком
— Официальная оплата, прозрачные условия и регулярный пересмотр компенсации
— Доступ к ИИ-инструментам разработки за счёт компании
— Переработки не приветствуются, но если бывают — честно оплачиваются
— Компенсация участия в конференциях, поддержка публикаций и выступлений
— Минимум бюрократии, максимум свободы и доверия
Удалённо
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.