AI/LLM Engineer в AI Lab

HeadHunter·Москва·16 сент.

AI/LLM Engineer в AI Lab

Ориентир по рынку≈ 215 000 – 425 000 ₽наша приблизительная оценка по 10 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

≈ 215 000 – 425 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Объявление живое, и что за работа, понятно из текста.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Вилку работодатель не назвал. Ориентир на созвон: столько платят в 10 похожих вакансиях ML Engineer уровня Middle.

платят меньше215 000 – 425 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Открыта 33 дня, и признаков фиктивного найма у неё нет. Раньше не выкладывалась.

Живая

Описание

Обязанности: 6, требования: 9. Понятно, что за работа, ещё до отклика.

Обещают: официальное оформление, ДМС, гибкий график, обучение за счёт компании и аккредитованная IT-компания
Известно: высокие нагрузки
Не сказано: кто настоящий работодатель

Подробно

Что требуют

ОбязательноAILLMPythonLangChainA/B TestingFastAPIRAG

ПлюсомJava

Надбавка к зарплате на этом уровне: Python +40%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

В AI Lab мы создаем продукты и AI-ассистентов для работодателей и соискателей на базе генеративных технологий. Уже сейчас мы используем LLM-модели для генерации текстов, ведения диалогов, классификации и анализа вакансий и резюме. Направление активно развивается, и сейчас мы ищем талантливого AI/LLM инженера с опытом в разработке, который поможет нам в создании высоконагруженных отказоустойчивых приложений с LLM под капотом.

О роли

Если ты умеешь не только разрабатывать качественные GenAI-решения, но и знаешь, как выводить их в продакшн на десятки миллионов пользователей, если ты смотришь на технологии как на инструмент влияния на прод

Чем предстоит заниматься

Участвовать в полном цикле создания AI-продукта: от генерации гипотез и создания прототипов до внедрения в production и последующего мониторинга

Разрабатывать, тестировать, оценивать качество и внедрять решения на основе LLM (диалоговые агенты, RAG, LLM workflows, prompt engineering) для миллионов пользователей

Проектировать, реализовывать архитектуру высоконагруженных AI-решений и интегрировать их в production-сервисы

Анализировать логи, трейсы и фидбек по реальной работе ассистентов в продакшене и улучшать их качество на основе найденных инсайтов

Оптимизировать производительность и стоимость использования LLM в продуктовых сценариях

Следить за лучшими практиками и open-source решениями, экспериментировать и внедрять их в продукт

Наши требования

Уверенное владение Python, опыт создания высоконагруженных сервисов и внедрения LLM-решений в продакшн

Опыт работы с LLM API и реализации LLM-based сервисов, понимание нюансов и трейдофов

Знание LLM фреймворков (langchain, langgraph или аналоги) и подходов к разработке AI-агентов (function calling, structured output, prompt/context engineering)

Хорошие навыки prompt/context engineering, опыт тестирования и регресс‑проверок промптов, понимание подходов к оценке llm-систем (offline-метрики, human evaluation, llm-as-a-judge, A/B тестирование)

Опыт создания web-сервисов (FastAPI, asyncio), дизайна чистых и функциональных API и интеграции с бэкенд-сервисами

Опыт работы с векторными базами данных (Milvus/Qdrant/FAISS/pgvector) для RAG‑решений и не только

Знание Java

Понимание современных архитектур и методов обучения языковых моделей

Опыт обучения и инференса open-source LLM-моделей