AI Automation Engineer
Лаборатория Касперского
Москва
🏢 Офис
Middle
Полная занятость
Россия
Описание вакансии
Мы — отдел платформенных сервисов. Внутри отдела развёрнут собственный AI-стек: шлюз маршрутизации к LLM (LiteLLM), локальные модели, RAG-система по внутренней базе знаний, агенты и боты, автоматизирующие рутину.
Ищем инженера, который будет находить процессы отдела, пригодные для автоматизации, и превращать их в работающие агентные пайплайны — от идеи до продакшена.
Чем предстоит заниматься
•Проектировать и строить агентные автоматизации под задачи отдела: от разовых сценариев до постоянных пайплайнов, встроенных в рабочие процессы команды.
•Писать и оптимизировать промпты и запросы к агентам, добиваться стабильного и воспроизводимого поведения, снижать стоимость и латентность вызовов.
•Интегрировать агентов с внутренними системами и источниками данных (API, RAG-база, тикеты, документация, чат-боты).
•Выявлять узкие места и ручную рутину в процессах отдела, оценивать применимость ИИ и предлагать решения.
•Сопровождать локальные AI-инструменты: маршрутизация к моделям, RAG-индекс, боты, следить за их работоспособностью и качеством ответов.
•Настраивать наблюдаемость и оценку качества автоматизаций (трейсинг вызовов, метрики, аудит), выстраивать регрессионные проверки промптов и агентов.
•Вести документацию по построенным автоматизациям и передавать их в эксплуатацию.
Требования
•Уверенный Python: интеграции по API, работа с асинхронщиной, аккуратный прод-код, а не только скрипты.
•Практический опыт построения LLM-агентов и агентных воркфлоу (function/tool calling, оркестрация, работа с одним из фреймворков — LangGraph, LlamaIndex, CrewAI или аналогами).
•Зрелый навык промпт-инжиниринга: декомпозиция задач, структурированный вывод, обработка ошибок и отказов модели, контроль галлюцинаций.
•Понимание RAG: эмбеддинги, векторный поиск, реранкинг, чанкинг, оценка релевантности выдачи.
•Опыт интеграции LLM через API (OpenAI-совместимые и другие) и понимание работы через шлюз/прокси маршрутизации.
•Самостоятельность: умение самому пойти к носителю процесса, снять требования, декомпозировать задачу и довести автоматизацию до результата.
Будет плюсом
•Опыт с локальными моделями и инференс-стеком (llama.cpp, Ollama, vLLM), подбор и квантизация моделей под задачу.
•Знакомство с MCP (Model Context Protocol) и написанием собственных инструментов/серверов для агентов.
•Опыт с observability для LLM (Langfuse, трейсинг, оценка качества, LLM-as-judge).
•Навыки DevOps: Docker, CI/CD, деплой сервисов (self-hostedинфраструктура — плюс).
•Понимание вопросов безопасности и DLP при работе с ИИ: prompt injection, утечки данных, маскирование чувствительной информации.
•Опыт создания чат-ботов и интеграций (Telegram, внутренние мессенджеры).