Middle Python Developer / Applied AI Engineer (LLM, RAG)

LLM • RAG • AI Agents • FastAPI

Мы развиваем прикладные AI-продукты: корпоративный поиск и RAG, AI-агентов, обработку документов и OCR, анализ встреч и проектов, обучение сотрудников и AI-функции для финтех-продуктов. Ищем Python-разработчика, который умеет доводить решения от прототипа до рабочего сервиса.

Чем предстоит заниматься

• Разрабатывать backend-сервисы на Python / FastAPI для AI-продуктов и внутренних платформ.

• Интегрировать корпоративные, внешние и локальные LLM, реализовывать tool calling, AI-агентов и многошаговые сценарии.

• Строить RAG и интеллектуальный поиск по документам, базам знаний, Jira, Confluence, встречам и другим корпоративным источникам.

• Разрабатывать пайплайны обработки PDF, изображений, OCR, таблиц и транскриптов.

• Работать с PostgreSQL, Redis, Qdrant, API и корпоративными системами.

• Доводить PoC/MVP до устойчивого сервиса: тесты, логирование, метрики, Docker и Linux.

Что мы ожидаем

• Коммерческий опыт разработки на Python от 3 лет.

• Уверенное знание Python: typing, asyncio, API, обработка ошибок, проектирование backend-сервисов.

• Практический опыт с FastAPI или аналогичным фреймворком, Pydantic и SQLAlchemy.

• Хорошее знание SQL и практический опыт с PostgreSQL.

• Опыт интеграции внешних и корпоративных API.

• Практический опыт разработки приложений с LLM API и понимание structured output, недетерминированности, лимитов, стоимости и оценки качества.

• Понимание RAG: embeddings, chunking, retrieval, reranking, векторный поиск.

• Опыт с Docker и Linux; умение разбираться в существующем коде и самостоятельно доводить задачу до результата.

Будет плюсом

• Qdrant / pgvector, Redis и фоновые очереди задач.

• LiteLLM, Langfuse, vLLM, Hugging Face или аналогичный LLM-инфраструктурный стек.

• OCR / Computer Vision, классический ML (scikit-learn, CatBoost, LightGBM).

• Microsoft 365 / Graph / Entra ID, TypeScript / React, опыт работы в финтехе или банках.

Наш стек

Python, FastAPI, Pydantic, SQLAlchemy, PostgreSQL, Redis, Qdrant, LiteLLM, Langfuse, Docker, Linux, GitHub Actions, Jira, Confluence, Microsoft 365.

Как устроена работа

Небольшая команда, широкий круг задач и много самостоятельности. Основной фокус роли — прикладная инженерия: понять бизнес-задачу, выбрать достаточно простое решение, проверить его на реальных данных и довести до состояния, которым могут пользоваться люди. Формат: полная занятость, гибрид, Москва.