Инженер-исследователь (AI)

Мы строим внутреннюю платформу AI-агентов для сотрудников: персональные и ролевые агенты, RAG по внутренним базам знаний, MCP-инструменты и skills, которые реально меняют рабочие процессы в HR, маркетинге, операциях и ИТ. Это инженерная роль про создание агентов руками, а не аналитика и не «пользование ChatGPT». Ты берёшь бизнес-задачу и доводишь её до работающего в production AI-сервиса.

Стек: Python · LangChain / LangGraph / LlamaIndex · MCP · Qdrant / pgvector · Langfuse · FastAPI · PostgreSQL · Docker · Git · провайдеры LLM (OpenAI, Anthropic, Google, open-weight).

Чем предстоит заниматься:

• Разрабатывать LLM-агентов и мультиагентные сценарии: tool-calling, состояние, память, MCP-инструменты, skills.
• Строить и улучшать RAG-пайплайны: чанкинг, embeddings, векторный поиск, reranking, цитирование источников.
• Оценивать качество AI-решений: собирать тест-сеты, ловить галлюцинации, мерить релевантность и достоверность, сравнивать подходы.
• Оборачивать внутренние системы в инструменты для агентов (API, БД, поиск), отвечать за надёжность и guardrails.
• Работать с внутренними заказчиками: вытаскивать потребность, превращать в инженерную задачу, презентовать результат.

Наши ожидания:

• Опыт создания LLM-приложений руками: агенты, RAG-боты, ассистенты по документам — с возможностью детально разобрать свой проект (как устроено и почему так).
• Python на уверенном рабочем уровне: тексты, JSON, работа с API, скрипты, notebooks.
• Практический опыт с RAG: чанкинг, embeddings, векторный поиск, reranking.
• LLM/агентские фреймворки: LangChain, LangGraph, LlamaIndex или аналоги.
• Векторные БД: Qdrant / pgvector или аналоги, semantic search.
• Понимание и практика: LLM, prompting, AI-агенты, MCP, skills, function calling.
• Оценка качества AI: тест-сеты, ловля галлюцинаций, проверка ответов по источникам, сравнение подходов.
• Основы интеграций: REST API, webhooks, JSON.
• Git (ветки, коммиты, merge/pull requests) и базовый Docker (запуск контейнера, логи).
• Умение работать с нетехническими заказчиками: выявить потребность и перевести в задачу.

Будет большим преимуществом:

• Observability и eval LLM: Langfuse или аналоги — трейсинг, оценка ответов, LLM-as-judge.
• Guardrails и надёжность: валидация выходов (Pydantic/JSON schema), защита от prompt-injection, fallback-стратегии.
• Работа с документами: парсинг PDF/DOCX, OCR, извлечение сущностей, классификация, сравнение версий.
• No/low-code: n8n, Make, Zapier.
• SQL (SELECT/JOIN/GROUP BY, подзапросы, CTE, оконные функции), Excel/Google Sheets, BI (Power BI, Tableau, DataLens, Superset).
• Опыт создания внутренних AI-ассистентов: Q&A по базе знаний, поиск по документам, резюмирование, извлечение данных.

Эта роль не для вас, если

• Опыт с AI ограничивается перепиской с ChatGPT, а код на Python вы не писали.
• Хочется чистой аналитики/дашбордов без разработки.
• Не готовы показать или детально разобрать хоть один свой проект с LLM.

Мы предлагаем:

• Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»).

• Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее.

• Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании.

• Участие в проектах, которые формируют цифровую трансформацию финансового сектора.

• Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал.

• Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.