Middle AI Engineer (Platform V Synapse Event Mesh)

🏢 ОфисJuniorПолная занятость

Зарплата не указана

Хорошие условия

Навык востребован (Python), за такой навык на рынке платят больше. Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Мы — команда Platform V Synapse Event Mesh. Работаем над высоконагруженной платформой, где надежность, безопасность и скорость разработки — не просто слова, а ежедневная практика. Сейчас мы ищем инженера-автоматизатора, который возьмет на себя внутреннюю сторону наших процессов: от обработки тикетов по уязвимостям и багам до контроля SLA и отчетности. Не менеджера, который будет “пинать” команды, а инженера, который заменит рутину кодом и агентами.

О роли

Если тебя бесит делать одно и то же руками больше двух раз — тебе к нам.

Чем предстоит заниматься

Агент первичного анализа тикетов: классификация, триаж уязвимостей, маршрутизация на команду, предложение ответственного

Автономный самообучающийся агент на self-hosted фреймворке (OpenClaw, Hermes или аналог) с дашбордом для визуализации и разбора ошибочных вердиктов

Регрессионный контур для агента: размеченная выборка тикетов, на которой прогоняется каждое изменение промпта, модели или набора навыков

Генерация FAQ и базы знаний из истории решённых тикетов

Перевод ручной обработки тикетов (уязвимости, баги, стандарты) в автоматизированные пайплайны

Контроль включения тикетов в релизные поезда

Автоматическая рассылка дашбордов со статусами по почте и в мессенджеры

Работа над метриками и улучшениями (выявление узких мест в процессах и их устранение с измеримым эффектом)

R&D и эксперименты (предиктивная аналитика: предсказание нарушения SLA до его возникновения)

Наши требования

Python: 2–3 года коммерческой разработки. FastAPI, Pydantic, один из фреймворков оркестрации агентов (LangChain / LangGraph, LlamaIndex, Pydantic AI или аналог), библиотеки валидации структурированного вывода

Интеграции между системами не только по REST: вебхуки, gRPC, GraphQL, очереди сообщений (Kafka, RabbitMQ, NATS), JSON-RPC, выгрузки по расписанию и напрямую из БД, легаси-SOAP. Понимание, когда нужен вебхук, когда опрос, а когда очередь

Асинхронность и работа с ненадёжными внешними API: таймауты, ретраи, частичный отказ

Локальные модели и понимание, где они уместнее внешнего LLM API (OpenAI, Anthropic, YandexGPT или аналогов)

DevOps: CI/CD, Git, Docker, Kubernetes

Уверенная работа с Linux (RHEL, CentOS, AltLinux)

Готовность сказать «здесь LLM не нужен, хватит скрипта»