Команда занимается разработкой и поддержкой внутрикорпоративных систем.
Разрабатывать новых AI-агентов и развивать существующих на Python: диалоговые сценарии, маршрутизацию запросов, работу с контекстом и состоянием диалога;
Интегрировать LLM через API, настраивать промпты, структурированные ответы и вызовы инструментов;
Подключать AI-агентов к корпоративным сервисам и инструментам через REST API, MCP и A2A;
Разрабатывать и дорабатывать backend-компоненты AI-сервисов с использованием FastAPI или Flask;
Реализовывать скиллы агентов, обработку ошибок, логирование и проверку корректности выполнения действий;
Тестировать работу агентов, улучшать качество ответов, скорость и устойчивость интеграций;
Встраивать агентов в чат-бот.
Знакомство с FastAPI или Flask, HTTP/REST API, JSON и асинхронным программированием на Python;
Опыт использования SQLAlchemy;
Опыт взаимодействия с LLM через API; понимание промптов, контекстного окна, токенов и структурированного вывода;
Понимание принципов построения AI-агентов, tool calling и маршрутизации запросов; знакомство с назначением MCP и A2A;
Базовые знания ML/NLP: эмбеддинги, семантический поиск, оценка релевантности; опыт работы с одной из векторных БД (Qdrant, Weaviate или аналогичной);
Представление о том, как оценивать качество LLM и агентов: корректность и релевантность ответов, качество вызова инструментов, задержки; базовое понимание поисковых метрик;
Навыки работы с Git, терминалом Linux и удалёнными серверами по SSH; умение читать логи и искать причины ошибок;
Знакомство с Docker, Redis и основами тестирования Python-приложений.
Будет преимуществом
Знание основных практик безопасности LLM-приложений и AI-агентов: защита от prompt injection, безопасная обработка недоверенных данных, разграничение прав доступа к инструментам и предотвращение утечек конфиденциальной информации;
Понимание основ MLOps/LLMOps: логирование и мониторинг, версионирование моделей и промптов, автоматизация тестирования и развёртывания AI-сервисов;
Понимание принципов миграций схемы БД и знакомство с Alembic для управления изменениями моделей и структуры таблиц;
Понимание архитектурных подходов к построению AI-систем: когда достаточно простого LLM-пайплайна, а когда оправдан агентный подход; применение кэширования, асинхронной обработки и разных стратегий оркестрации с учётом требований к качеству, производительности и надёжности;
Понимание особенностей и ограничений LLM, типичных проблем при работе с контекстом, причин возникновения галлюцинаций и основных подходов к повышению качества и стабильности ответов;
Знакомство с LangChain и LangGraph.
график работы 40 часов в неделю;
развитие в командах профессионалов и опытный наставник, готовый делиться опытом;
мобильная связь за счет компании;
специальные предложения и скидки от продуктов экосистемы МТС;
собственный корпоративный университет, онлайн-библиотека, Best Benefits (приложение для сотрудников, где собраны различные скидки);
спорт: онлайн зарядки, йога, дыхательные практики.