Вакансии

Задачи: — Разрабатывать и тестировать алгоритмы на базе LLM для генерации вопросов, ответов и кратких пересказов; — Работать с RAG-подходами: подготовка данных, индексация, поиск релевантного контекста, генерация ответа на его основе; — Участвовать в развитии виртуального ассистента и сценариев свободного диалога с пользователем; — Настраивать фактчекинг, фильтрацию и оценку качества ответов модели; — Разрабатывать пайплайны для суммаризации полезного контента; — Сравнивать результаты, подготовленные моделью, с редакционными версиями материалов, в том числе на примере «Картины дня»; — Создавать и развивать векторные поисковые индексы для задач RAG; — Тестировать промпты, гипотезы и подходы к улучшению качества ответов. Требования: — Опыт разработки на Python; — Опыт работы с задачами NLP: обработка текстов, классификация, генерация, суммаризация, NER, семантический поиск или похожие задачи; — Понимание принципов работы LLM и практический опыт их применения; — Опыт или хорошее понимание RAG-подходов; — Опыт работы с библиотеками и инструментами для ML/NLP: PyTorch, TensorFlow, Hugging Face, Transformers или аналогами; — Понимание fine-tuning/LoRA/prompt engineering на уровне, достаточном для прикладных задач; — Умение оценивать качество моделей и промптов: метрики, сравнение результатов, базовый benchmarking; — Знание SQL и опыт работы с базами данных; — Готовность разбираться в продуктовой задаче, а не только в модели. Условия: — Официальное трудоустройство; — ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; — Современный офис (Даниловская мануфактура, м. Тульская), бесплатный спорт в собственном спортзале от «Лиги Героев»; — Бесплатная подписка на сервисы партнеров; — Полный день в офисе, гибридный график или 100% дистанционный формат работы; — Льготные условия ипотеки в рамках зарплатного проекта; — Насыщенная корпоративная жизнь.

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.

Location: Remote - United States Workplace: Remote Qdrant is an open-source vector search engine powering the next generation of AI applications, from semantic search and retrieval-augmented generation (RAG) to AI agents and real-time recommendations. Trusted by global leaders like Canva, HubSpot, Tripadvisor, Bosch, and Deutsche Telekom, we’re building the retrieval infrastructure layer for modern AI. Recently raising $50M in Series B funding, we are growing rapidly and committed to transforming how AI understands and interacts with data. As a remote-first company, we believe diverse backgrounds, perspectives, and experiences fuel innovation. Here, you’ll own meaningful work, tackle challenges, and grow alongside passionate individuals dedicated to shaping the future of AI. THE TEAM AND YOUR IMPACT As a Solutions Engineer at Qdrant, you'll partner closely with Sales and customers to translate business needs into technical solutions. You'll join discovery calls, lead demos, and help run proofs of concept, with support from experienced Solutions Engineers and our Forward Deployed Engineers when the work gets complex. It's a front-row seat to how modern companies adopt AI at scale, and a role built for learning fast. You'll become a power user of vector search and its tradeoffs, and help make our deployments repeatable for the most common use cases. WHAT YOU WILL OWN: - Discovery with Sales: join customer discovery calls, usually the second call, and turn what you hear into clear technical requirements. - Demos and scoping: lead demos and align with customers on success criteria, architecture, and deployment approach. - POC execution: scope proofs of concept and keep everyone aligned on timeline, deliverables, and next steps. You're the project lead, and you know when to pull in Forward Deployed Engineers for deeper technical work. - Repeatable deployments and benchmarks: run standard deployment patterns and benchmarks across text, image, and video use cases, and advise on tradeoffs like disk versus RAM, or latency versus throughput. - Playbooks for common use cases: turn what you learn into reusable demos, configurations, and guides the team can use again. WHO YOU ARE - 1 to 2+ years in a commercial, customer-facing role, pre-sales or post-sales, such as Solutions Engineering, Technical Account Management, Customer Success, or Support Engineering. - Hands-on professional experience in a technical area that translates to Qdrant, such as data science, data or database engineering, infrastructure, or search. - A mix of commercial mindset and technical curiosity: you're as comfortable with customers as with technical stakeholders. - Strong communication skills, including running structured discovery and clarifying ambiguous requirements. - Able to script and prototype quickly in Python, including with AI coding tools. You won't need to write production code. - Organized and proactive: you keep projects moving and follow through. NICE TO HAVE - Hands-on experience with designing search infrastructure - Experience running or supporting benchmarks or proofs of concept. - Familiarity with RAG and embeddings, or with Kubernetes and cloud infrastructure tradeoffs.   WHY JOIN US - A remote-first, international team working on cutting-edge AI infrastructure. - A competitive salary with additional perks. - Flexible working hours and async-friendly culture. - High ownership and real impact. - Open-source, engineering-driven culture. - Choose your own laptop equipment. For US-based full-time employees, we also offer a comprehensive benefits package including 401k match, health, dental, and vision insurance, plus flexible PTO policy. Qdrant is an equal-opportunity employer. We believe the best ideas come from diverse teams, and we actively welcome applicants from all backgrounds. If this role excites you but you don't check every single box, we'd still love to hear from you! We don't want to miss out on great people because of a checklist. Come build with us! FOR INFORMATION ON HOW WE HANDLE YOUR PERSONAL DATA, PLEASE REFER TO OUR RECRUITMENT PRIVACY POLICY https://qdrant.tech/legal/recruitment-privacy-policy/ #LI-REMOTE

Задачи: - вести разработку от идеи и MVP до production, управлять командой и при этом оставаться hands-on. Переходим к продуктовой разработке малыми командами и AI-agentic подходу. Важно уметь самостоятельно быстро собрать пилот с AI-инструментами, а затем вместе с командой довести его до production. - Руководить командой разработки: планирование, декомпозиция, приоритизация, delivery. - Вести продукты от идеи до релиза и оценивать результат. - Принимать продуктовые и технические решения, формировать roadmap и техническое видение. - Выстраивать процессы разработки, code review, тестирование и контроль качества. - Развивать команду, участвовать в найме и менторинге. - Внедрять AI-инструменты и агентные сценарии разработки в команду. Требования: - 5+ лет коммерческой разработки. - 1–2+ года в роли Team Lead / Tech Lead / руководителя разработки или проекта. - Опыт управления командой и delivery. - Практический опыт с Claude Code, Cursor, OpenAI Codex, GitHub Copilot или аналогами. - Умение самостоятельно собрать MVP и довести его до production вместе с командой. - Понимание LLM, RAG, AI-агентов и оценки качества AI-фич. - SQL / PostgreSQL, REST API, Docker, Git. - Понимание product metrics, PMF, ICP, activation, retention. - Fullstack / hands-on опыт. - Опыт основания стартапа. - Open Source. - Построение команды с нуля. - n8n, LangChain/LangGraph, Open WebUI. - Идеальный профиль: Product × Engineering × AI — человек, который умеет не только управлять разработкой, но и сам быстро превращать идею в работающий прототип. Условия: - РФ, удалённо, full-time, ИП/СЗ.

Описание проекта: платформа, которая превращает каждый разговор с клиентом в понятные инсайты Ожидания: — 4+ года DevOps / Platform / Backend-инфраструктуры, Kubernetes в проде: Helm, GitOps — Опыт развёртывания в контуре заказчика (on-prem, закрытые сети) — Практика с LLM-приложениями: RAG (векторные БД, эмбеддинги, чанкинг, оценка качества), работа с LLM API — API-шлюзы и прокси: маршрутизация, аутентификация, rate limiting, логирование (Kong / Envoy / nginx или свои на Python) — Python - уверенно: читать, дорабатывать и писать сервисы — Linux, сети, TLS/PKI, ingress/egress — Опыт прохождения требований ИБ крупной компании: опросники, согласования, аудит — Умение писать понятную документацию и договариваться с инженерами и безопасниками заказчика — Автономность: берёте задачу end-to-end и доводите до результата Задачи: — Установить в контуре заказчика сервис маскирования персональных данных: ПДн обезличиваются до того, как данные покинут периметр. Дальше - обратная подстановка в ответ, проверка полноты маскирования, журнал — Развернуть и настроить сервис управления знаниями для RAG: загрузка и обновление документов, разбиение на фрагменты, эмбеддинги, векторный поиск, права доступа к источникам, контроль качества ответов — Настроить шлюз: заказчик обращается к нам, мы проксируем запросы к внешнему провайдеру. Шлюз должен давать маршрутизацию, учёт запросов и др — Подключить всё это к ИБ заказчика: TLS, аутентификация сервисов, сетевые доступы, журналы — Собрать поставку под Kubernetes: Helm-чарты, Argo CD, зафиксированные версии образов, установка без интернета — Развернуть GPU-инференс: vLLM и faster-whisper на узлах NVIDIA HGX H200 — Настроить хранилища: PostgreSQL, MongoDB, OpenSearch, Redis - бэкапы, проверка восстановления — Встроиться в ИБ заказчика: SIEM, IDM/SSO, PKI, NGFW/WAF, закрытый egress, сегментация prod/test/dev — Настроить наблюдаемость (Prometheus, Grafana, Loki) и журнал аудита — Документация для заказчика: архитектура, установка и обновление, runbook, программа и методика испытаний — Техсогласования и приёмка вместе с командой заказчика

Задачи: — Разработка и развитие backend-сервисов и API; — Разработка решений для RAG, векторного поиска и обработки данных; — Построение фоновых процессов и пайплайнов обработки документов; — Участие в проектировании архитектуры, проведении код-ревью и формировании инженерных стандартов; — Обеспечение стабильности, производительности и качества сервисов. Требования: — Опыт backend-разработки на Python от 5 лет; — Уверенные знания asyncio, FastAPI и PostgreSQL; — Опыт работы с Kubernetes и микросервисной архитектурой; — Практический опыт внедрения LLM/RAG-решений в production; — Знание современных подходов к observability, безопасности и DevOps-практик; — Понимание принципов построения надёжных и высоконагруженных систем. Условия: — Работа над интересными и технологичными продуктами; — Возможность влиять на архитектуру и технические решения; — Современный стек и использование актуальных инструментов разработки;

Location: Москва, удалённая работа или гибрид, RU; Россия О команде Команда развивает AI-агента поддержки — систему, которая помогает пользователям решать вопросы без оператора. Агент должен распознать намерение, получить проверенные факты, найти актуальные знания, при необходимости предложить или выполнить допустимое действие, объяснимо завершить сценарий либо передать диалог человеку. Какие задачи вас ждут: управлять командой из 5 инженеров: проводить 1:1, давать обратную связь, ставить ожидания и проводить оценку эффективности; понимать сильные стороны, мотивацию и зоны развития каждого сотрудника; формировать работающие планы развития и помогать людям расти в следующую роль; своевременно разбирать риски, связанные с эффективностью и мотивацией, обсуждать вознаграждение в рамках процессов компании, работать с удержанием и конфликтами; сформировать целевой дизайн команды: состав, компетенции, квалификацию, зоны ответственности по ключевым направлениям и план снижения bus-факторов; выступать нанимающим менеджером: формировать профиль кандидата, проводить интервью, принимать решения о найме и организовывать онбординг; делегировать ответственность за технические и продуктовые направления, развивать внутренних лидеров и кадровый резерв. Примеры будущих задач: зафиксировать цель, дизайн и план работ команды на 3–6 месяцев: продуктовые результаты, технические инициативы, владельцев, ресурсы, зависимости и риски; довести один из приоритетных LLM-сценариев до измеримого результата в продакшене; выстроить единый путь LLM-изменения от гипотезы и датасета до оценки качества, выкатки, наблюдения и решения о масштабировании; сделать прозрачными причины плохих ответов, системных ошибок и переводов к оператору через метрики, трейсы и регрессионные наборы; укрепить продакшен-контур: SLO, алерты, дежурства, откат изменений, лимиты задержки и стоимости, резервный маршрут при деградации модели или зависимости; определить дефициты компетенций, снизить bus-факторы и сформировать план найма и развития команды; делегировать значимые зоны ответственности и вырастить технических лидеров, которые могут самостоятельно вести проекты от начала до результата. Мы ждём, что вы: имеете опыт формального управления инженерной или кросс-функциональной командой от 3 человек; уверенно проводите 1:1 и оценку эффективности, развиваете сотрудников, нанимаете, организуете онбординг и разрешаете сложные ситуации в команде; умеете формировать целевое состояние команды, определять дефициты компетенций, выстраивать делегирование и снижать bus-факторы; обладаете технической экспертизой на уровне старшего инженера в бэкенде или платформенной инженерии и готовы участвовать в дизайн-ревью, работе с кодом, прототипах и расследованиях; проектировали и эксплуатировали продакшен-сервисы: API, базы данных, очереди, фоновые процессы, интеграции и распределённые системы; управляли продуктовым и техническим планом работ на 3–6 месяцев, ресурсами и зависимостями нескольких функций или команд; прикладно понимаете LLM- и агентные системы: промптинг и конфигурации, RAG, оценку качества, вызов инструментов, защитные ограничения, галлюцинации, участие человека, стоимость и задержки; способны работать в высокой неопределённости и договариваться с продуктом, DS/ML, аналитикой, платформенными и доменными командами. Будет здорово, если вы: имеете опыт работы в кросс-функциональных командах с DS и ML или MLOps-составляющей. Работа у нас — это: возможность развиваться в сильной команде лидеров и помогать расти другим; чёткая матрица компетенций с прозрачными ожиданиями на всех уровнях; уникальный культурный код и сильное экспертное комьюнити; расширенная забота о здоровье: ДМС, страхование жизни, онкострахование; сервис психологической поддержки, а также финансовые, юридические и ЗОЖ-консультации для вас и ваших близких; корпоративный спорт: групповые тренировки, велбиинг-приложение; спецпредложения от партнёров и скидки на сервисы Авито: бронирование жилья, услуги продвижения, ипотечное страхование; компенсация питания; личный бюджет на обучение, который можно тратить на книги, курсы и конференции; комфортный офис в 2 минутах от метро «Белорусская»: панорамный вид на центр города, места для уединённой работы и зоны отдыха, а также возможность удалённой работы.

Location: Москва Наша команда специализируется на разработке сервисов для автоматической обработки, поиска, классификации и извлечения данных из различных типов документов. Мы создаем AI-решения, которые помогают быстро и точно анализировать большие объемы информации, оптимизируя бизнес-процессы Банка. Ищем будущего коллегу в нашу команду, который будет помогать улучшать наши сервисы Обязанности \- Исследование бизнес-процессов заказчика, выявление болей и точек роста, где применение AI-решений может принести максимальную ценность; \- Коммуникация с заказчиками и основными стейкхолдерами проекта; \- Сбор и формализация требований для AI-проектов; \- Участие в Pre-sale активности: подготовка презентаций/отчетности, оценка реализуемости AI-решений; \- Создание и поддержка документации в Confluence, включая инструкции по работе с внутренними сервисами; \- Настройка конфигурационных файлов для сервисов и AI-компонентов; \- Взаимодействие с командой через JIRA для постановки и отслеживания задач. Требования \- Опыт работы бизнес-аналитиком в AI-проектах от 2 лет; \- Навыки описания бизнес-процессов (нотации BPMN, UML); \- Навыки составления отчетности и пользовательской документации; \- Знание гибких методологий разработки ПО; \- Понимание технологии RAG;  **Будет плюсом:** \- Интерес к технологиям и желание развиваться в AI-сфере; \- Опыт взаимодействия с LLM; \- Понимание API и принципов интеграции. Условия * гибридный формат работы (2 раза в неделю офис м Кутузовская) * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * программа ипотеки для сотрудников * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — Встраивать локальную LLM в уже существующий Godot-проект — Настраивать и запускать модель локально под игровые задачи — Проектировать систему управления контекстом и памятью персонажей поверх LLM — Организовывать хранение и передачу данных о героях, событиях и прошлых диалогах — Формировать контекст и промпты под разные игровые ситуации — Контролировать объём контекста и следить за тем, чтобы модель получала только релевантную информацию — Связывать игровое состояние с поведением и репликами NPC — Встраивать ответы LLM в уже готовую диалоговую систему новеллы — Работать с асинхронностью: запросы, ожидание ответа, состояния игры — Обрабатывать ошибки, таймауты и ситуации, когда модель недоступна — Оптимизировать потребление памяти и производительность под 8 ГБ VRAM — Развивать архитектуру интеграции LLM, не ломая существующие системы — Писать инструменты, которые позволят добавлять новых персонажей и сценарии без переписывания ядра — Участвовать в проектировании новых систем, связанных с AI-персонажами Требования: — Коммерческий опыт разработки на Godot / GDScript — Умение разбираться в чужом коде и работать с существующим проектом — Понимание устройства сцен, сигналов, ресурсов и игровых состояний в Godot — Знание принципов работы LLM и локального запуска моделей — Практический опыт интеграции LLM, локальных моделей или AI-сервисов в приложения — Понимание, что «память LLM» — это отдельная система управления контекстом и данными — Умение проектировать хранение и передачу контекста — Осознание ограничений контекстного окна, размера модели и потребления RAM — Опыт работы с асинхронными операциями и обработкой ошибок — Внимательность к edge cases и вопросам стабильности — Готовность самостоятельно осваивать новые инструменты и технологии — Умение находить баланс между качеством решения и его сложностью Будет плюсом: — Опыт работы с локальными LLM — Знакомство с Ollama, llama.cpp, GGUF или похожими инструментами — Опыт quantization и оптимизации моделей — Работа с системами контекста, memory, RAG или аналогичными подходами — Создание AI/NPC-систем в играх — Разработка визуальных новелл, RPG или других сюжетных игр — Работа с диалоговыми системами и ветвлением сюжета — Оптимизация приложений под ограниченное железо — Понимание специфики генеративных моделей и prompt engineering — Проекты или пет-проекты с LLM, которые можно показать Условия: — 37,5 часов в неделю — график планируешь сам — 70 000 ₽ на руки — Выплаты дважды в месяц, стабильно — Полностью удалённая работа без привязки к офису — Новый проект на старте — возможность влиять на архитектуру и ключевые технические решения — Готовая архитектура визуальной новеллы на Godot — начинать с нуля не нужно

Задачи: — Развитие платформы: работа над функционалом, стабильностью и производительностью; — Развитие AI-функционала: LLM-based сценарии, tool calling, RAG, работу с контекстом, кэширование и другие механики; — Разбор сложных production-инцидентов, устранение причин проблем; — Клиентские внедрения: превращение пожеланий клиента в дорожную карту запуска; — Проектирование архитектуры интеграции с инфраструктурой клиента; — Ответственность за техническую часть сложных клиентских запусков от discovery до production; — Менторство junior/middle-разработчиков, помощь с декомпозицией задач, архитектурой и техническими вопросами; — Проведение code review и повышение качества решений команды. Требования: — От 4 лет коммерческого опыта в Python и backend, от 1 года в продуктовой команде; — Уверенные знания asyncio, очередей, кеширования, конкурентности; — Практический опыт создания production-функционала на базе LLM, а не только использование ChatGPT; — Опыт с OpenAI API или другими LLM API; — Знания prompt engineering, tool calling, RAG, caching, context management; — Опыт с embeddings, vector search, agentic workflows; — Навыки тестирования и evals; — Понимание production-проблем: latency, стоимость, rate limits, hallucinations, retries, observability; — Уверенная работа с REST API сторонних сервисов, webhooks и внешними сервисами; — Опыт интеграций с CRM, особенно amoCRM и/или Bitrix24; — Самостоятельность и ownership: умение довести размытую бизнес-задачу до работающего production-решения, видеть системные проблемы и помогать команде расти. Будет плюсом: — Опыт B2B/Enterprise-внедрений, highload и event-driven систем; — Собственные AI-проекты и опыт работы в стартапах. Условия: — Работа в быстрорастущем AI-стартапе; — Влияние на продукт, архитектуру и процессы; — Разнообразные задачи, крупные клиенты и короткий путь от идеи до production; — Быстрый карьерный рост.

Задачи: — проектировать и разрабатывать backend-сервисы и RESTful API (Python/Django) — строить agentic-пайплайны на LangChain, LangGraph, n8n и аналогичных инструментах — собирать и обрабатывать данные из внутренних систем (jira, confluence, продуктовые реестры, аналитические платформы) — строить ETL/ELT-пайплайны на Python/Pandas/NumPy, в том числе потоковые данные через Kafka — готовить данные для обучения/дообучения моделей и базово настраивать/оценивать качество ML/LLM-компонентов совместно с профильными специалистами — разворачивать и эксплуатировать сервисы в закрытом контуре (production-инфраструктура внутри периметра безопасности, без выхода во внешний интернет): Docker, Kubernetes, CI/CD — принимать архитектурные решения по сервисам и агентным пайплайнам — тестирование, код-ревью — взаимодействовать с продуктовыми и инженерными командами при формировании требований и внедрении агентных и аналитических инструментов в рабочие процессы — готовить дашборды и рекомендации для управленческих решений по приоритизации и балансировке портфеля продуктов. Требования: — от 3 лет опыта в backend-разработке с выводом решений в production — опыт построения агентных систем — обязателен — опыт самостоятельного проектирования архитектуры backend-сервисов и агентных пайплайнов, готовность нести ответственность за принятые технические решения — Python — продвинутый уровень; Django, RESTful API — SQL, опыт работы с реляционными и NoSQL хранилищами — LangChain, LangGraph, MCP servers, опыт с n8n или аналогами; понимание RAG-архитектур, embeddings, векторных баз данных — Pandas, NumPy, Kafka — обработка табличных и потоковых данных, ETL/ELT на больших объемах — Docker, Kubernetes, CI/CD — уверенный пользовательский уровень. Условия: — комфортный современный офис рядом с м. Кутузовская — гибридный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.

Требования: — Гражданство и локация РФ. — Опыт работы в QA от 5 лет. — Опыт автоматизации тестирования от 3 лет. — Хороший практический опыт автоматизации на Python. — Опыт с LLM и RAG является обязательным. — Знание Pytest, xdist, Playwright, CI/CD, Kafka, SQLAlchemy. — Опыт тестирования API. — Обязателен опыт тестирования AI-систем, LLM и RAG-систем. Задачи на проекте: — Разработка и поддержка автотестов на Python. — Написание и поддержка тестов на Pytest. — Параллельный запуск тестов с использованием xdist. — Автоматизация UI-тестирования с Playwright. — Тестирование API. — Работа с Kafka. — Работа с SQLAlchemy и базами данных. — Интеграция автотестов в CI/CD. — Тестирование AI-систем, LLM-решений, RAG-систем и RAG-пайплайнов. — Анализ результатов тестирования и выявление дефектов. Описание проекта: Автоматизация тестирования с использованием Python и современных инструментов QA. Ключевое направление проекта — тестирование AI-систем, включая решения на базе RAG и LLM. Условия: — Удалённая работа. — Вилка зарплаты до 146 000 ₽ на руки. О компании: Работаем в ИТ-области более 10 лет, занимаемся разными видами тестирования, даём возможность руководителям проектов не беспокоиться за свои релизы.

Задачи: — Построить с нуля переиспользуемое ядро продукта: документы → граф знаний → гибридный поиск → ответ со ссылкой на пункт и статусом редакции. — Отвечать за архитектуру и разработку. — Первая цель — MVP. Обязанности: — Архитектура ядра. — Работа с данными. — Резолвинг перекрёстных ссылок, версионность и статусы актуальности документов. — Hybrid retrieval. — Graph RAG. — Evaluation. — Поставка. — Техлидерство. Требования: — 5+ лет backend-разработки на Python, из них 2+ года с LLM/RAG в продакшене (в идеале). — Графовые базы данных, моделирование онтологий. — Векторные базы данных, гибридный поиск, реранкинг. — LLM. — Опыт поставки в закрытые контуры. — Опыт руководства. Плюсом: — GraphRAG, entity extraction/resolution. — Внедрения в промышленности или проектных институтах. — React/TypeScript для интерфейса и админки. Условия: — Удалённая работа по России. — Гибкий график: 5/2 с 10:00 до 19:00 по Москве, с возможностью подстроить часы работы. — Клубы по интересам, летний выезд на природу AGIMA Camp, корпоративные вечеринки с возможностью приглашать семью. — Поддержка в создании личного бренда для профессионального роста. — Бесплатные билеты на забег для IT-специалистов RUNIT. — ДМС со стоматологией. — Оформление по ГПХ с физлицом.

Location: San Francisco, CA; New York, NY Workplace: OnSite ABOUT US Sierra is the leading platform for customer-facing AI agents, working with many of the world's biggest brands — including The GAP, Rocket Mortgage, SoFi, Sutter Health, and SoftBank — to transform how they serve customers and grow their businesses. We are primarily an in-person company based in San Francisco, with growing offices across North America, Europe, and Asia. We are guided by a set of values that are at the core of our actions and define our culture: Trust, Customer Obsession, Craftsmanship, Intensity, and a commitment to balancing Family along the way. These values are the foundation of our work, and we are committed to upholding them in everything we do. Sierra was co-founded by Bret Taylor https://www.linkedin.com/in/brettaylor/ and Clay Bavor https://www.linkedin.com/in/claybavor/ who first met while working together at Google over 20 years ago. Bret currently serves as Chairman of the Board of Open AI. Previously, he was co-CEO of Salesforce and CTO of Facebook. Clay spent 18 years at Google, where he most recently led Google Labs. WHAT YOU’LL DO As an Agent Strategist https://sierra.ai/blog/agent-strategist-your-phd-in-applied-ai on a Flagship Deployment, you’ll lead the end-to-end deployment for one of Sierra’s largest and most strategic customers. You own how Sierra's AI agents come to life, often managing scaled deployments as well as new proofs of concept within the same account. You sit at the intersection of product, building agents and customer-facing work, and stay just as close to the technology as you are to the people you build for. You transform a customer's thorniest, highest-stakes problems into agents that measurably move their business. - Own the Agent Development Life Cycle https://sierra.ai/blog/agent-development-life-cycle. Take agents from initial scope through conversation design, tooling, and evaluation, to launch and continuous iteration in production — translating business goals into an agent that outperforms, and tuning relentlessly until it's the best version of itself in the real world. You'll have real ownership and autonomy over the outcome. - Be the trusted strategic advisor to enterprise leaders. Sit shoulder-to-shoulder with our customers' executives, understand what success actually means to their business, and shape the AI strategy that gets them there. - Partner with the customer's working teams and executives day to day. Oversee overall program management while ensuring ongoing executive alignment on the long term roadmap. - Navigate enterprise complexity with cross-functional teams (engineering and product). At this scale, every big technical discussion is also a negotiation — you'll need to read the implications in real time, hold your ground, and steer toward the right outcome. Expect to work across business units, procurement, compliance, and senior execs. - Directly impact product. Surface unmet needs from your customer work, and feed them back to research and platform to shape where Sierra goes next. - Manage internal resourcing requirements. Ensure that your deployment is appropriately resourced today and into the future - Drive financial success for both the customer and Sierra. Ensure value exchange is optimized, drive revenue upside for Sierra, and work internally to manage down cost to serve over time, improving margins. - Partner with Sales on commercial strategy. You are a key player in closing new business within the deployment by identifying opportunities, aligning resources, and EXAMPLE PROJECTS These are the kinds of projects that strategists on our team have worked on recently: - Plan, organize, and execute on-site business reviews onsite at a Fortune 100 company with Sierra cofounders in attendance - Manage a portfolio of agents across a customer deployment as they scale nationally, to new use cases, and grow in technical complexity - Build relationships throughout the customer’s organization, unlocking high trust, social capital, and ultimately new ARR - Stand up an agent for a commerce customer that troubleshoots a broken device end-to-end and personalizes product recommendations in the same conversation. - Partner with product on a net-new capability — a new agent architecture or self-service tooling — using a live customer as the design partner. - Define the evaluation and quality bar for a new agent, then use those metrics to drive a measurable lift in outcome https://sierra.ai/blog/outcome-based-pricing-for-ai-agents week over week. WHAT YOU’LL BRING - Proven track record: 10+ years of relevant experience driving results in high stakes situations in an enterprise customer facing role, ideally in a dedicated, embedded model with a named enterprise account — you know what it means to be accountable for a relationship at that depth. - Customer obsession. Genuine energy being in front of customers — understanding their business and needs, thriving in complex organizations, and building trusted relationships. - Communication. Clear, direct, and persuasive across technical and non-technical audiences. - Strategic problem-solving in ambiguity. Strong analytical and critical-thinking skills to break down complex problems, spot risks early, and adapt as things change fast. - Technical aptitude. Comfortable engaging directly with technical concepts - reading API documentation, understanding data models and system architecture, and following engineering tradeoffs in a design discussion. - Ownership and delivery. A track record of running multiple complex, high-visibility projects at once and driving them to outcomes. EVEN BETTER... - You've run a company, business unit, forward deployed team, or have comparable experience in general management of business initiatives that require technical aptitude, strategic leadership, operational excellence, and financial outcome accountability. - Experience building or deploying AI/LLM agents in production — hands-on with the tools behind them (eval frameworks, agent tooling, RAG, prompt engineering) — working closely with technical counterparts. - A degree in Computer Science, Engineering, Mathematics, a related technical field, or equivalent practical experience — and/or an MBA or comparable experience at the intersection of technology and business. OUR VALUES - Trust: We build trust with our customers with our accountability, empathy, quality, and responsiveness. We build trust in AI by making it more accessible, safe, and useful. We build trust with each other by showing up for each other professionally and personally, creating an environment that enables all of us to do our best work. - Customer Obsession: We deeply understand our customers’ business goals and relentlessly focus on driving outcomes, not just technical milestones. Everyone at the company knows and spends time with our customers. When our customer is having an issue, we drop everything and fix it. - Craftsmanship: We get the details right, from the words on the page to the system architecture. We have good taste. When we notice something isn’t right, we take the time to fix it. We are proud of the products we produce. We continuously self-reflect to continuously self-improve. - Intensity: We know we don’t have the luxury of patience. We play to win. We care about our product being the best, and when it isn’t, we fix it. When we fail, we talk about it openly and without blame so we succeed the next time. - Family: We know that balance and intensity are compatible, and we model it in our actions and processes. We are the best technology company for parents. We support and respect each other and celebrate each other’s personal and professional achievements. WHAT WE OFFER We want our benefits to reflect our values and offer the following to full-time employees: - Flexible (unlimited) paid time off - Medical, dental, and vision benefits for you and your family - Life insurance and disability benefits - Retirement plan dependent on country of employment - Parental leave - Fertility and family building benefits - Lunch, as well as delicious snacks and coffee to keep you energized when working onsite - Discretionary benefit stipend giving people the ability to spend where it matters most - Free alphorn lessons These benefits are further detailed in Sierra's policies, may vary by region and employment type, and are subject to change at any time, consistent with the terms of any applicable compensation or benefits plans. Eligible full-time employees can participate in Sierra's equity plans subject to the terms of the applicable plans and policies. BE YOU, WITH US We're working to bring the transformative power of AI to every organization in the world. To do so, it is important to us that the diversity of our employees represents the diversity of our customers. We believe that our work and culture are better when we encourage, support, and respect different skills and experiences represented within our team. We encourage you to apply through the link on this page even if your experience doesn't precisely match the job description. Sierra is a proud equal opportunity employer. All qualified applicants will receive consideration for employment without regard to any characteristic protected by applicable federal, state or local laws, including veteran status and disability status. Hiring decisions are made by people, based on merit. If you need a reasonable accommodation for a disability, a religious practice, pregnancy or any related condition at any point in the application or interview process, contact us at accommodations@sierra.ai. Requests are handled confidentially and do not affect your candidacy. We will consider qualified applicants with arrest and conviction records in accordance with applicable fair chance laws.

Location: Lithuania OUR HIRING PROCESS: We will review your application against our job requirements. We do not employ machine learning technologies during this phase as we believe every human deserves attention from another human. We do not think machines can evaluate your application quite like our seasoned recruiting professionals—every person is unique. We promise to give your candidacy a fair and detailed assessment. We may then invite you to submit a video interview for the review of the hiring manager. This video interview is often followed by a test or short project that allows us to determine whether you will be a good fit for the team. At this point, we will invite you to interview with our hiring manager and/or the interview team. Please note: We do not conduct interviews via text message, Telegram, etc. and we never hire anyone into our organization without having met you face-to-face (or via Zoom). You will be invited to come to a live meeting or Zoom, where you will meet our INFUSE team. From there on, it’s decision time! If you are still excited to join INFUSE and we like you as much, we will have a conversation about your offer. We do not make offers without giving you the opportunity to speak with us live. INFUSE is committed to complying with applicable data privacy and security laws and regulations. For more information, please see our Privacy Policy We're looking for Senior AI Engineers to design, build and run LLM-powered agents and AI features in production. You'll work across the full lifecycle: from scoping a use case with stakeholders, through architecture and development, to deployment, evaluation and ongoing improvement. This is a hands-on role for engineers who think like product owners: you understand the business problem, define what success looks like in numbers, ship to real users, and own the result after launch. Our stack: Python and TypeScript/Node.js, PostgreSQL, Kafka, Docker, GitHub Actions, AWS. We run multiple LLM providers (Anthropic, OpenAI, Google, AWS Bedrock and others) behind a shared LLM gateway, with MCP for tool access. We work AI-native: agentic coding tools are part of how engineering gets done here, and we provide official Anthropic Claude certification for our engineers. As part of our team, your responsibilities in this role will include: Design and build LLM agents and agentic workflows: tool use via MCP, structured outputs, retrieval (RAG), multi-step orchestration, human review steps where needed. Build and maintain MCP servers and tool layers that give agents governed access to company data and systems. Own quality and cost: evals and golden sets, per-agent telemetry (tokens, cost, latency, accuracy), prompt and model versioning, provider failover and model routing. Ship through CI/CD like any other production service: tests and evals in the pipeline, containerized deploys, monitoring, rollbacks. Contribute to shared platform pieces: the agent template, the LLM gateway, observability. Work directly with business stakeholders to scope, prioritize and validate use cases. Push back when something doesn't need an agent. Use AI coding tools daily. Claude Code is our default; deep experience with a comparable agentic tool also works. You drive the tool, verify its output and catch its mistakes. Our ideal candidate possesses the following skills: 5+ years of software engineering experience, with production systems you've designed, shipped and supported. Proven experience building LLM-based agents or agentic workflows that reached production with real users. Hands-on experience with agent frameworks and SDKs: Claude Agent SDK, Claude Managed Agents, Pydantic AI, LangGraph or similar. You can also explain what you'd build without one. Hands-on experience with MCP and RAG: you've built MCP servers or equivalent tool layers, and retrieval pipelines over real, messy data. Experience with multiple LLM providers and with AWS Bedrock: model selection, routing, fallbacks, cost and rate-limit management. Strong Python and SQL. Comfortable in TypeScript/Node.js. Solid production engineering on AWS: Docker, CI/CD, testing, observability. Product thinking and business focus: you start from the problem and its cost, define success in measurable terms, and own outcomes. Daily use of agentic coding tools (Claude Code, Codex, Cursor or similar), with the judgment to verify what they produce. Clear communication with technical and non-technical stakeholders, in English. Nice to have: LLM observability or gateway tooling (Langfuse, LiteLLM, OpenTelemetry for LLM traces or similar). B2B contact and company data: enrichment, deduplication, matching. Cloud operations or FinOps: monitoring, incident handling, cost management. Event-driven or workflow-engine experience (Kafka, Temporal or similar). Experience replacing no-code or workflow-tool automations with production code. What we offer: Fully remote work format; A collaborative and creative environment that values initiative and experimentation; Paid time off and sick leave; Reduced working hours on Fridays during the summer; Days-off on US national holidays + your birthday; Schedule: 14 PM - 23 PM EEST (Kyiv time).

Location: Romania OUR HIRING PROCESS: We will review your application against our job requirements. We do not employ machine learning technologies during this phase as we believe every human deserves attention from another human. We do not think machines can evaluate your application quite like our seasoned recruiting professionals—every person is unique. We promise to give your candidacy a fair and detailed assessment. We may then invite you to submit a video interview for the review of the hiring manager. This video interview is often followed by a test or short project that allows us to determine whether you will be a good fit for the team. At this point, we will invite you to interview with our hiring manager and/or the interview team. Please note: We do not conduct interviews via text message, Telegram, etc. and we never hire anyone into our organization without having met you face-to-face (or via Zoom). You will be invited to come to a live meeting or Zoom, where you will meet our INFUSE team. From there on, it’s decision time! If you are still excited to join INFUSE and we like you as much, we will have a conversation about your offer. We do not make offers without giving you the opportunity to speak with us live. INFUSE is committed to complying with applicable data privacy and security laws and regulations. For more information, please see our Privacy Policy We're looking for Senior AI Engineers to design, build and run LLM-powered agents and AI features in production. You'll work across the full lifecycle: from scoping a use case with stakeholders, through architecture and development, to deployment, evaluation and ongoing improvement. This is a hands-on role for engineers who think like product owners: you understand the business problem, define what success looks like in numbers, ship to real users, and own the result after launch. Our stack: Python and TypeScript/Node.js, PostgreSQL, Kafka, Docker, GitHub Actions, AWS. We run multiple LLM providers (Anthropic, OpenAI, Google, AWS Bedrock and others) behind a shared LLM gateway, with MCP for tool access. We work AI-native: agentic coding tools are part of how engineering gets done here, and we provide official Anthropic Claude certification for our engineers. As part of our team, your responsibilities in this role will include: Design and build LLM agents and agentic workflows: tool use via MCP, structured outputs, retrieval (RAG), multi-step orchestration, human review steps where needed. Build and maintain MCP servers and tool layers that give agents governed access to company data and systems. Own quality and cost: evals and golden sets, per-agent telemetry (tokens, cost, latency, accuracy), prompt and model versioning, provider failover and model routing. Ship through CI/CD like any other production service: tests and evals in the pipeline, containerized deploys, monitoring, rollbacks. Contribute to shared platform pieces: the agent template, the LLM gateway, observability. Work directly with business stakeholders to scope, prioritize and validate use cases. Push back when something doesn't need an agent. Use AI coding tools daily. Claude Code is our default; deep experience with a comparable agentic tool also works. You drive the tool, verify its output and catch its mistakes. Our ideal candidate possesses the following skills: 5+ years of software engineering experience, with production systems you've designed, shipped and supported. Proven experience building LLM-based agents or agentic workflows that reached production with real users. Hands-on experience with agent frameworks and SDKs: Claude Agent SDK, Claude Managed Agents, Pydantic AI, LangGraph or similar. You can also explain what you'd build without one. Hands-on experience with MCP and RAG: you've built MCP servers or equivalent tool layers, and retrieval pipelines over real, messy data. Experience with multiple LLM providers and with AWS Bedrock: model selection, routing, fallbacks, cost and rate-limit management. Strong Python and SQL. Comfortable in TypeScript/Node.js. Solid production engineering on AWS: Docker, CI/CD, testing, observability. Product thinking and business focus: you start from the problem and its cost, define success in measurable terms, and own outcomes. Daily use of agentic coding tools (Claude Code, Codex, Cursor or similar), with the judgment to verify what they produce. Clear communication with technical and non-technical stakeholders, in English. Nice to have: LLM observability or gateway tooling (Langfuse, LiteLLM, OpenTelemetry for LLM traces or similar). B2B contact and company data: enrichment, deduplication, matching. Cloud operations or FinOps: monitoring, incident handling, cost management. Event-driven or workflow-engine experience (Kafka, Temporal or similar). Experience replacing no-code or workflow-tool automations with production code. What we offer: Fully remote work format; A collaborative and creative environment that values initiative and experimentation; Paid time off and sick leave; Reduced working hours on Fridays during the summer; Days-off on US national holidays + your birthday; Schedule: 14 PM - 23 PM EEST (Kyiv time).

Проект: В связи с расширением штата ищем backend разработчика с 5+ лет опытом PHP и Go Стек/навыки: PHP, Go SQL, REST API Docker, Git, Linux Redis / Kafka Highload / distributed systems AI-инструменты: Cursor, Claude Code, Codex LLM API / RAG — плюс Задачи: backend-сервисы, API, интеграции, рефакторинг, работа с AI-функциональностью и production.

Location: India Job Overview We are seeking an experienced AI Solution Architect to design and lead end-to-end enterprise AI Factory and GPU infrastructure solutions spanning compute, high-performance networking, storage, Kubernetes, cloud, and AI/ML platforms. The role requires strong expertise in NVIDIA GPU technologies, AI workloads, scalable infrastructure architecture, security, observability, performance engineering, and capacity planning . Key Responsibilities Own end-to-end architecture for AI Factory and enterprise AI solutions from requirements through production readiness. Assess AI/ML workload requirements for training, fine-tuning, inference, batch processing, and high-performance computing. Design GPU compute architectures including NVIDIA HGX/DGX/OEM platforms, multi-GPU systems, NVLink/NVSwitch, and GPU resource allocation. Design high-performance AI networking using 100/200/400/800G Ethernet, EVPN/VXLAN, and leaf-spine architectures. Design AI storage and data architectures using object storage, parallel file systems  like  Ceph, WEKA, , or equivalent platforms. Define AI platform architecture across Kubernetes, HPC, container runtimes, model-serving platforms, and enterprise AI frameworks. Establish architecture standards for security, identity, tenant isolation, data protection, observability, disaster recovery, and operational resilience. Develop reference architectures, high-level/low-level designs, capacity models, bills of materials, technology evaluations, and implementation roadmaps. Lead technical evaluations, proof-of-concepts, vendor assessments, and architecture review boards. Collaborate with infrastructure, network, security, storage, cloud, data, application, and operations teams. Define performance, availability, scalability, security, and cost objectives and validate architecture against measurable acceptance criteria. Provide technical leadership during deployment, migration, integration, troubleshooting, and production transition. • Required Technical Skills AI / ML Architecture • NVIDIA AI Enterprise, NGC, CUDA, NCCL, DCGM, GPU Operator and AI platform ecosystem. • PyTorch, TensorFlow, JAX and operational understanding of training and inference workloads. • GPU scheduling, multi-tenancy, MIG/vGPU, GPU utilization and workload placement. • LLM, generative AI, RAG, fine-tuning, model serving and inference architecture. GPU & AI Factory Infrastructure • NVIDIA A100/H100/H200/B200 or equivalent GPU platforms; familiarity with next-generation systems. • NVLink, NVSwitch, PCIe topology and multi-GPU performance architecture. • DGX/HGX/OEM GPU server architecture and lifecycle management. • AI Factory capacity planning, rack density, power, cooling, commissioning and lifecycle strategy. High-Performance Networking • 100/200/400/800G Ethernet, InfiniBand, RoCEv2 and RDMA, Netris • NVIDIA ConnectX/SuperNIC, Spectrum/Spectrum-X, Quantum and BlueField DPU technologies. • BGP, EVPN/VXLAN, VRF, ECMP, VLAN, MTU, PFC, ECN, QoS and congestion management. • GPU east-west traffic, GPUDirect RDMA and network performance troubleshooting. AI Storage & Data Architecture • Parallel file systems, object storage, NFS, NVMe/NVMe-oF and high-throughput data pipelines. • Ceph, WEKA, VAST, Dell PowerScale, Pure FlashBlade, NetApp or equivalent technologies. • Data lake/lakehouse concepts, metadata, lineage, data movement and data lifecycle. • GPUDirect Storage and storage/network performance optimization. AI Platform & Orchestration • Kubernetes, GPU Operator, container runtimes and Kubernetes GPU scheduling. • HPC or other equivalent workload schedulers. • Model serving/inference platforms and MLOps platform architecture. • API gateways, service discovery, secrets management and platform integration. Cloud & Hybrid Architecture • AWS and/or Azure AI infrastructure and security services. • Hybrid cloud connectivity, IAM, private networking, cloud storage and workload placement. • Cloud cost optimization, capacity planning and FinOps considerations for GPU workloads. Security & Governance • Zero Trust, network segmentation, IAM/RBAC, PAM and workload identity. • GPU, DPU, container, Kubernetes, firmware and supply-chain security. • Encryption at rest/in transit, secrets management, audit logging and compliance controls. • AI-specific risks including data/model protection, tenant isolation and secure model access. Observability & Reliability • Prometheus, Grafana, OpenTelemetry, NVIDIA DCGM and infrastructure telemetry. • Monitoring across GPU, CPU, memory, network, storage, power and thermal domains. • High availability, backup/restore, disaster recovery, business continuity and failure-domain design. • Performance engineering, bottleneck analysis, SLO/SLA design and capacity forecasting. Architecture Deliverables • AI Factory reference architecture and solution blueprints • High-Level Design (HLD) and Low-Level Design (LLD) • Network, compute, GPU and storage architecture diagrams • Capacity, performance and scalability models • Technology evaluation and vendor comparison documents • Security architecture and threat-model inputs • Bill of Materials (BOM) and infrastructure sizing • Migration/deployment strategy and implementation roadmap • Operational readiness checklist, runbooks and acceptance criteria Experience & Qualifications • 10+ years of infrastructure, cloud, enterprise architecture or solution architecture experience, with significant AI/GPU infrastructure exposure. • Proven experience designing large-scale enterprise platforms and translating business requirements into technical architectures. • Hands-on understanding of physical infrastructure, GPU systems, networking, storage and Linux platforms. • Bachelor's degree in Computer Science, Engineering, Information Technology or related field preferred. Preferred Certifications • NVIDIA certifications or equivalent GPU/AI infrastructure credentials • AWS Solutions Architect / Azure Solutions Architect • TOGAF or equivalent enterprise architecture certification • CCNP/CCIE or equivalent networking certification • CISSP or equivalent security certification • Kubernetes certifications such as CKA/CKAD • Red Hat / Linux certifications