О проекте

Команда занимается разработкой и поддержкой внутрикорпоративных систем.

Обязанности

Разрабатывать новых AI-агентов и развивать существующих на Python: диалоговые сценарии, маршрутизацию запросов, работу с контекстом и состоянием диалога;

Интегрировать LLM через API, настраивать промпты, структурированные ответы и вызовы инструментов;

Подключать AI-агентов к корпоративным сервисам и инструментам через REST API, MCP и A2A;

Разрабатывать и дорабатывать backend-компоненты AI-сервисов с использованием FastAPI или Flask;

Реализовывать скиллы агентов, обработку ошибок, логирование и проверку корректности выполнения действий;

Тестировать работу агентов, улучшать качество ответов, скорость и устойчивость интеграций;

Встраивать агентов в чат-бот.

Требования

Знакомство с FastAPI или Flask, HTTP/REST API, JSON и асинхронным программированием на Python;

Опыт использования SQLAlchemy;

Опыт взаимодействия с LLM через API; понимание промптов, контекстного окна, токенов и структурированного вывода;

Понимание принципов построения AI-агентов, tool calling и маршрутизации запросов; знакомство с назначением MCP и A2A;

Базовые знания ML/NLP: эмбеддинги, семантический поиск, оценка релевантности; опыт работы с одной из векторных БД (Qdrant, Weaviate или аналогичной);

Представление о том, как оценивать качество LLM и агентов: корректность и релевантность ответов, качество вызова инструментов, задержки; базовое понимание поисковых метрик;

Навыки работы с Git, терминалом Linux и удалёнными серверами по SSH; умение читать логи и искать причины ошибок;

Знакомство с Docker, Redis и основами тестирования Python-приложений.

Будет преимуществом

Знание основных практик безопасности LLM-приложений и AI-агентов: защита от prompt injection, безопасная обработка недоверенных данных, разграничение прав доступа к инструментам и предотвращение утечек конфиденциальной информации;

Понимание основ MLOps/LLMOps: логирование и мониторинг, версионирование моделей и промптов, автоматизация тестирования и развёртывания AI-сервисов;

Понимание принципов миграций схемы БД и знакомство с Alembic для управления изменениями моделей и структуры таблиц;

Понимание архитектурных подходов к построению AI-систем: когда достаточно простого LLM-пайплайна, а когда оправдан агентный подход; применение кэширования, асинхронной обработки и разных стратегий оркестрации с учётом требований к качеству, производительности и надёжности;

Понимание особенностей и ограничений LLM, типичных проблем при работе с контекстом, причин возникновения галлюцинаций и основных подходов к повышению качества и стабильности ответов;

Знакомство с LangChain и LangGraph.

Условия

график работы 40 часов в неделю;

развитие в командах профессионалов и опытный наставник, готовый делиться опытом;

мобильная связь за счет компании;

специальные предложения и скидки от продуктов экосистемы МТС;

собственный корпоративный университет, онлайн-библиотека, Best Benefits (приложение для сотрудников, где собраны различные скидки);

спорт: онлайн зарядки, йога, дыхательные практики.