Agentic AI Engineer

Вы присоединитесь к команде Applied AI, небольшому продукт‑команде, полностью сосредоточенной на движке агента QuantPilot: AI‑исследования, генерация стратегий и платформа агента, которая их запускает.

• Вести архитектуру агента от начала до конца: оркестрацию, циклы инструментов, управление контекстом, песочницы и маршрутизацию моделей, включая компромиссы качества, стоимости и задержки при работе в продакшене.
• Управлять контрактами между движком и продуктом, включая то, как фронтенд отображает события агента.
• Создавать и поддерживать слой оценки: офлайн‑оценки, метрики качества на основе бэктестинга и обнаружение регрессий для каждого запроса или изменения модели.
• Привносить статистическую строгость в оценку стратегий: обнаружение переобучения, проверки надёжности, а также валидацию walk‑forward и out‑of‑sample.
• Строить фундамент данных, над которыми рассуждает агент, с прослеживаемостью, валидацией и согласованной моделью рыночных сущностей, а также делать систему достаточно наблюдаемой для диагностики недетерминированных сбоев в продакшене.
• Формировать то, что будет построено: уточнять требования с продуктом, задавать техническое направление через RFC и ADR, а также наставлять инженеров, переходящих к системам LLM.

• 5+ лет опыта в backend‑ или ML‑инжиниринге, включая как минимум один год разработки LLM‑основанных систем в продакшене. Вы понимаете сбои агентов на уровень ниже фреймворка и можете исправлять их в собственном коде.
• Доказанный опыт разработки, ориентированной на оценку: вы можете показать метрику качества, которую поддерживали честной со временем, и как использовали её для улучшения агента.
• Сильные навыки Python и фундаментальные знания продакшена (сервисы, очереди, стриминг, наблюдаемость, Kubernetes). Вы уверенно разбираетесь в баге, написанном на TypeScript или Go, и рассматриваете пайплайны, миграции и защиты как реальный инжиниринг.
• Применение статистических принципов к методологии бэктестинга.
• Продуктовый менталитет: вы оцениваете свою работу по тому, что получает пользователь, и превращаете неопределённые цели в готовый, измеримый результат.
• Рабочее владение английским (B2+).

• Опыт в количественных финансах: фреймворки бэктестинга, рыночные данные и исследование стратегий, включая подводные камни бэктестинга стратегий, основанных на индикаторах.
• Опыт работы с графами знаний, онтологиями или семантическими слоями. Опыт RAG будет плюсом.
• Опыт работы с Go.
• Вы разрабатывали программное обеспечение, получающее данные по протоколу MCP, например MCP‑серверы или инструменты, используемые агентами.
• Системы с высокой нагрузкой и низкой задержкой в финтехе или трейдинге.
• Опыт тонкой настройки или обучения языковых моделей.