LLM‑разработчик персонализации в Плюс Фантех

Плюс Фантех объединяет развлекательные сервисы Яндекса: Музыку, Кинопоиск, Книги и др. Мы — команда MediaAI — ищем сильного LLM‑разработчика. Вы будете отвечать за ключевое направление: ML‑интеграцию общего пользовательского профиля в продукты и AI‑агентов нашей экосистемы.Развивать сервис пользовательского профиля и LLM-памяти
Вы будете проектировать и улучшать систему, которая хранит и извлекает пользовательский контекст. Это ключевой компонент для всех AI-агентов Плюс Фантеха: от рекомендаций до диалоговых сценариев. Улучшать качество запоминания и извлечения контекста
Вам предстоит работать с embeddings, retrieval-механиками и промптами, чтобы система точнее понимала, что важно пользователю в данный момент. Проводить эксперименты с LLM и автоматическими метриками качества. Проектировать переиспользуемые механики интеграции
Вы будете создавать механизмы, которые позволят разным продуктовым командам легко подключаться к профилю и памяти — без дублирования логики и с сохранением стабильности. Создавать автоматические оценки качества
Вам предстоит разрабатывать и внедрять метрики и тесты для недетерминированных компонентов, чтобы можно было объективно оценивать, насколько хорошо система запоминает и извлекает информацию. Обеспечивать стабильность и безопасность
Вы будете работать с производительностью, наблюдаемостью и безопасной обработкой пользовательских данных. Внедрять best practices асинхронной обработки и проектирования хранилищ. Больше об ML в Яндексе — в канале Yandex for ML* Уверенно владеете Python * Имеете практический опыт интеграции с LLM * Понимаете embeddings, semantic search и RAG * Работали с базами данных и проектировали хранилища * Понимаете асинхронную обработку * Умеете тестировать недетерминированные компоненты и оценивать качество ML-функциональности * Способны самостоятельно разбираться в существующей системе и брать компонент в техническое владение* Знаете Java * Имеете опыт разработки персонализации или рекомендательных систем * Знакомы с MCP и архитектурой LLM-агентов * Строили LLM-evaluation и проводили A/B-эксперименты * Работали с чувствительными пользовательскими данными