Мы ищем Senior AI Platform Engineer для создания центральной ИИ‑платформы, лежащей в основе крупной программы трансформации ИИ в предприятии для одного из наших консалтинговых клиентов. Proof of concept уже существует — он доказывает, что базовая инфраструктура работает в небольшом масштабе, но производственная версия с полноценным извлечением, оценкой, наблюдаемостью и распространением идентификации ещё впереди. Здесь вы вступаете в игру: вы возьмёте прототип и превратите его в продукт, на который реальные пользователи смогут полагаться. Вы будете тесно сотрудничать с AI Architect, который отвечает за общую архитектуру и отношения с клиентом. В рамках этой архитектуры вы будете иметь реальную ответственность за то, как компоненты проектируются, упорядочиваются и реализуются — и если что‑то не выдержит нагрузки в продакшене, мы хотим услышать об этом, подкрепив доказательствами. Это практическая роль разработки, а не роль, насыщенная встречами.
– Создать интеграцию AI gateway, чтобы выбор модели оставался заменяемым, без жёсткой привязки к провайдеру в коде приложения; – Реализовать гибридный поиск, комбинирующий лексический и векторный поиск по корпоративному корпусу, включая извлечение типизированных метаданных при загрузке и шаг понимания запроса, преобразующий естественный язык в предикаты фильтра; – Построить каркас оценки, действительно поддерживаемый — и поддерживать его — напрямую передавая результаты оценки в решения о релизе; – Развернуть слой наблюдаемости: трассировки, стоимость и задержка на запрос; – Создать административную панель управления: авторинг политик, модель ролей, журнал аудита, процесс утверждения; – Спроектировать и реализовать распространение идентификации конечного пользователя через среды агентов, включая воспроизведение правил доступа исходной системы во время извлечения; – Установить инженерные стандарты, которым следует более широкая команда доставки, и проверять их соблюдение.
– Минимум 5 лет опыта разработки на Python в продакшене, включая проектирование схем, миграции баз данных, обработку фоновых задач, тестирование в условиях конкуренции и дизайн API, остающегося стабильным после первого потребителя; – Подтверждённый опыт вывода системы извлечения или агента из прототипа в продакшен с реальными пользователями и реальными моделями разрешений — требуются готовые системы, а не портфолио прототипов; – Практический опыт оркестрации агентов, включая вызов инструментов, управление потоками, логику повторов и бюджетирование стоимости/задержки, с возможностью описать этот опыт без привязки к конкретному фреймворку; – Твёрдое понимание методологии оценки систем LLM, включая выбор метрик, построение наборов данных и использование результатов для контроля релизов; – Практические знания распространения идентификации и доступа через границы сервисов, а также здравый смысл относительно рисков безопасности при использовании сервисного аккаунта от имени пользователя; – Отличное владение PostgreSQL, с возможностью использовать SQL как основной механизм извлечения наряду с embeddings, а не как запасной вариант; – Опыт применения prompt engineering как инженерной дисциплины: контроль версий, тестирование и измерение. – Достаточный уровень английского для эффективного взаимодействия в распределённой senior‑команде; – Знакомство с LiteLLM в качестве AI gateway и Langfuse для наблюдаемости. – Claude Agent SDK и MCP на уровне агента – Postgres с pgvector – Python во всём проекте
– Графы знаний и масштабная загрузка документов; – Предыдущий опыт работы первым инженером на платформе, на которой позже строили другие; – Опыт замены прототипа, к которому была привязана команда.