← К каталогу
ГИ

ГигаЧат Бизнес

AI Engineering Team Lead

ГибридLeadМосква, Россия5 ч назад
СИГНАЛ JOBRADAR75/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ

Что JobRadar наблюдает сейчас

Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.

Последнее подтверждение15 мин. назад
Впервые замечена5 ч назад
Активные источники1 источник
ПроисхождениеПубличный источник
О ВАКАНСИИ

Описание вакансии

Мы — продуктовая компания, развиваем cowork .ru — корпоративную AI-платформу: агентный ассистент с подключаемыми инструментами (MCP), отложенными задачами, базами знаний и каталогом навыков. Ищем инженера в AI-команду: мы делаем экспериментальные фичи для продукта, быстрые PoC для B2B-заказчиков на базе платформы, standalone-решения и R&D — от агентских бенчмарков до вопросов инференса на собственных GPU.

Чем предстоит заниматься:

  • Разрабатывать агентные системы: tool use / function calling, многошаговое планирование, human-in-the-loop;
  • Делать экспериментальные фичи для продукта и отдельные standalone-решения;
  • Итеративно улучшать компоненты агентной системы — системные промпты, скилы, инструменты — опираясь на метрики и разбор траекторий (в том числе прогоны на нашем открытом агентском бенчмарке);
  • Тестировать и внедрять модели разных модальностей: текст, vision/OCR, ASR;
  • Работать с базами знаний: RAG-пайплайны, гибридный поиск, обработка документов;
  • Организовывать встречи с техническими командами, со стейкхолдерами, обсуждать и принимать решения;
  • Управлять командой.

Что мы ожидаем:

  • Опыт работы от 3 лет, есть реальные LLM-проекты (агенты, ассистенты, RAG);
  • Python (asyncio, FastAPI), Git, Docker / docker-compose;
  • Уверенная работа с LLM API: OpenAI-compatible интерфейсы, function calling, structured output, стриминг;
  • Опыт работы с большими моделями разных семейств (Qwen, DeepSeek, GigaChat, GPT/Claude/Gemini);
  • Понимание архитектуры LLM на прикладном уровне: трансформеры, MoE, контекстное окно и его ограничения, узкие места инференса;
  • Понимание MCP (Model Context Protocol): устройство протокола, опыт создания или подключения серверов;
  • RAG как один из навыков: chunking, embeddings, гибридный поиск (BM25 + dense), reranking;
  • PostgreSQL, Redis;
  • Оценка качества: eval-пайплайны, метрики, разбор трейсов агентов;
  • Способность объяснить принятые технические решения и их trade-offs.

Будет плюсом:

  • Опыт разворачивания…

Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.

ИсточникHeadHunter / Team Lead / RU