AI-разработчик / LLM-инженер (Node.js, Flowise)

Дата размещения вакансии: 30.03.2026
Работодатель: MarPla
Уровень зарплаты:
з/п не указана
Город:
Москва
Требуемый опыт работы:
От 1 года до 3 лет

Мы — команда MARPLA, помогающая продавцам на Wildberries оптимизировать работу на маркетплейсе. Наш сервис предоставляет аналитические и автоматизированные инструменты, направленные на снижение затрат, рост доходов и эффективное управление бизнесом.

Сейчас мы ищем AI-разработчика / LLM-инженера (Node.js, Flowise), который будет внедрять ИИ‑функциональность в наш действующий SaaS‑продукт.

Задачи разнообразные: от генерации контента и построения аналитических пайплайнов до контекстных рекомендаций и агентных потоков. Вектор развития: проектирование и реализация LLM‑интеграций на стыке Flowise и Node.js backend, доведение решений до production и их поддержка.

Обязанности:

  • Проектирование и реализация LLM‑интеграций на стыке Flowise и Node.js backend;
  • Разработка и разворачивание production‑готовых решений: генерация контента, аналитические пайплайны, контекстные рекомендации и агентные флоу;
  • Интеграция с LangChain.js: цепочки, агенты, LCEL, retrievers, output parsers;
  • Архитектура и реализация RAG‑решений: от чанкинга до re‑ranking;
  • Prompt engineering: создание шаблонов с переменными, system prompts, structured output (Zod‑схемы);
  • Работа с векторными БД (production): pgvector, Qdrant, Pinecone, Chroma;
  • Работа с OpenAI API / Anthropic API: управление токенами, стриминг, rate limits;
  • REST API: проектирование и интеграция эндпоинтов;
  • Реализация и поддержка unit/e2e тестов, мониторинг и отладка в продакшене;
  • Документация и код‑ревью, участие в командной работе в режиме удалёнки или гибриде;

Обязательный стек (без этого не рассматриваем):

Node.js + TypeScript — production-уровень, не просто "умею";

LangChain.js — цепочки, агенты, LCEL, retrievers, output parsers;

RAG-архитектура — понимание от чанкинга до re-ranking;

Prompt engineering — шаблоны с переменными, system prompts, structured output (Zod-схемы);

Векторная БД — любая в production: pgvector, Qdrant, Pinecone, Chroma;

OpenAI API / Anthropic API— управление токенами, стриминг, rate limits;

REST API — проектирование и интеграция эндпоинтов;

Мы предлагаем:

  • Полная удалёнка или гибрид (обсуждаемо);
  • Владение направлением: ты строишь AI-слой продукта с нуля, а не выполняешь задачи чужой архитектуры;
  • Инфраструктура уже есть — Flowise развёрнут, БД готовы, бэкенд работает;
  • Небольшая команда, быстрые решения, без корпоративных согласований;
  • Официальное оформление (ТД / ИП / самозанятость — обсуждаем);