Главная задача:
Нужно спроектировать устойчивую LLM-инфраструктуру и внедрить RAG-решения.
Первые задачи автоматизировать due diligence, распознание текста и юридический перевод.
Архитектура и инфраструктура
Проектировать и развивать LLM-инфраструктуру c нуля (GPU-серверы, контейнеры, CI/CD).
Настраивать высоконагруженные API и reverse-proxy (Nginx, HTTPS, балансировка).
Интегрировать AI-сервисы с корпоративными хранилищами и очередями (PostgreSQL, MinIO, Redis).
Модели и RAG-стек
Развёртывать и оптимизировать модели (vLLM, Triton, BGE reranker).
Разрабатывать RAG-архитектуры: Apache Tika, Qdrant/FAISS/Weaviate, embedding-пайплайны.
Следить за качеством ответов, улучшать prompt-инженерию и метрики релевантности.
DevOps и автоматизация
Автоматизировать процессы через n8n и похожие оркестраторы.
Строить мониторинг, логирование, безопасность и бэкапы.
Поддерживать живую документацию, обучать коллег и делиться best-practices.
Кого мы ищем
3+ лет коммерческого опыта с Python, Linux, Docker и CI/CD.
Практическая работа с LLM, понимание prompt engineering.
Опыт с RAG, векторными БД и embedding-моделями.
Навыки интеграции решений в корпоративную среду и работы с API.
Будет плюсом: AI/ML-проекты в юридической сфере, инфобез, работа с конфиденциальными данными.
Что вы получаете:
Влияние на архитектуру и ключевые технические решения.
Доступ к уникальным юридическим датасетам и актуальному AI-стеку.
Уникальная возможность стать пионером в части внедрения собственных LLM моделей в юридическом бизнесе
Конкурентная зарплата + бонусы по результатам.
