AI Engineer (Multi-Agent Systems & RAG)

Мы строим систему, где LLM-агенты решают реальные задачи пользователей. Ищем инженера, который возьмёт на себя архитектуру мультиагентной системы и RAG-пайплайна и доведёт их до продакшена — от прототипа до стабильной работы под нагрузкой.

Компания Цифровые Технологии и Платформы «Цифровые Технологии и Платформы» — российская ИТ-компания, разработчик цифровых решений и продуктов для промышленности. Создаем лучшие ИТ- и цифровые решения на рынке, ежедневно помогающие десяткам миллионов людей по всему миру! Мы находимся на передовой цифровой трансформации индустрии, внедряя передовые AI-решения для автоматизации и оптимизации ключевых бизнес-процессов в закупках, HR, логистике и производстве.

Проектировать и разрабатывать мультиагентную систему: оркестрация агентов, распределение задач, передача контекста, обработка ошибок и зацикливаний. Строить и оптимизировать RAG-пайплайн: чанкинг, эмбеддинги, гибридный поиск, реранкинг, работа с контекстным окном. Отвечать за качество ответов — выстраивать метрики и evaluation-пайплайны, улучшать систему по данным, а не «на глаз». Заниматься prompt engineering и системным дизайном промптов на продакшен-уровне. Интегрировать LLM-провайдеров (OpenAI, Anthropic и др.), оптимизировать латентность, стоимость и надёжность. Выводить решения в прод и поддерживать: мониторинг, логирование, версионирование промптов и моделей.

5+ лет коммерческой разработки, из них реальный опыт с LLM-приложениями в проде. Уверенный Python. Опыт с фреймворками для агентов и RAG: LangGraph, LangChain, LlamaIndex, CrewAI, AutoGen или аналоги — важно понимание, как это устроено внутри. Практика с векторными БД (Qdrant, Weaviate, Pinecone, pgvector, Chroma) и моделями эмбеддингов. Понимание, как оценивать и улучшать качество RAG и агентов: retrieval-метрики, hallucination, eval-фреймворки (RAGAS, LangSmith или кастомные). Умение принимать архитектурные решения самостоятельно и обосновывать trade-off'ы. Будет плюсом Опыт fine-tuning / дообучения моделей, работа с open-source LLM (Llama, Qwen, Mistral) и их деплоем. MLOps: контейнеризация, CI/CD для ML, observability (LangFuse, LangSmith, Arize). Опыт масштабирования LLM-систем под нагрузкой и оптимизации стоимости инференса.

Оформление по ТК РФ в штат аккредитованной IT - компании. Возможность гибридного или удаленного формата работы (только РФ). Конкурентный уровень заработной платы. Амбициозные задачи и перспективы роста. Программа заботы о здоровье сотрудников с первого месяца работы (ДМС, корпоративный спорт). Для детей сотрудников предусмотрены: ежегодные Новогодние подарки, ежегодные летние лагеря отдыха. Доступ к корпоративной OnLine библиотеке. Обучение в программах Корпоративного университета. Корпоративные скидки BestBenefits, где собраны лучшие предложения от более 900 брендов товаров и услуг, доступные в разных городах России