Компания-разработчик бизнес-решений в сфере интернет-маркетинга.
Наши инструменты и сервисы, созданные на базе собственной платформы, помогают автоматизировать работу рекламных агентств и специалистов, работать с аналитикой и проектировать уникальные решения под конкретный запрос.
Мы ищем инженера-архитектора, способного самостоятельно пройти путь от бизнес-гипотезы до работающего PoC, а затем масштабировать его с небольшой командой. Вы будете проектировать и строить AI-native продукты, где LLM, агенты и RAG - будут являться ядром архитектуры.
Чем предстоит заниматься:
-
Проектировать архитектуру AI-first продуктов от концепции до production-ready MVP
-
Самостоятельно разрабатывать PoC и прототипы новых AI-решений для маркетинговых задач
-
Строить и оптимизировать multi-agent системы и RAG-пайплайны enterprise-уровня
-
Принимать технические решения по выбору стека, архитектурных паттернов и инфраструктуры
- Управлять командой из нескольких разработчиков: декомпозиция задач, code review, менторинг
Мы ожидаем от тебя:
Backend и LLM-интеграции
-
Python как основной язык
-
Уверенная работа с API: OpenAI, Anthropic (Claude), Google Gemini
-
Понимание специфики работы с Functions (openai)
-
Инфраструктура: Docker, CI/CD, опыт деплоя на Yandex Cloud/ AWS / GCP / Azure
Frontend
-
Достаточный уровень для самостоятельной сборки интерфейса PoC/MVP
-
Нужно быть знакомым с React / Next.js, TypeScript
-
Будет полезным Понимание SSE/WebSocket-стриминга для real-time AI-интерфейсов
Агентные системы и оркестрация:
-
Практический опыт с LangGraph (или подобными технологиями) (state machines, checkpointing, human-in-the-loop)
-
Знание альтернативных фреймворков: CrewAI (role-based orchestration), AutoGen/AG2 (conversational agents)
-
Проектирование multi-agent workflow: маршрутизация, делегирование, error recovery, conditional branching
-
Понимание Model Context Protocol (MCP) как стандарта подключения агентов к внешним инструментам и данным
RAG-архитектуры
-
Опыт построения production RAG: семантический чанкинг, hybrid search (vector + BM25), cross-encoder reranking
-
Знание продвинутых паттернов: GraphRAG (entity extraction, community summarization, multi-hop reasoning), Agentic RAG (Corrective RAG, Self-RAG), intelligent query routing
-
Работа с векторными БД: Pinecone, Qdrant, Weaviate, pgvector (важен реальный опыт)
- Оценка качества RAG: метрики faithfulness, answer relevancy, context precision
В свою очередь, мы гарантируем:
- Защищенность – все гарантии ТК РФ, мы полностью «белая» компания: стабильные выплаты зарплаты, стандартный график работы, "плавающее" начало рабочего дня;
- Комфорт – возможность работать из дома или из офиса; библиотека, настольный теннис, внимание к профессионализму, здоровью, настроению, экологии;
- Развитие – возможность обучения и профессионального развития в рамках отдела и всей Компании, а так же интересные задачи, крутые проекты и лучшие клиенты;
- Команду – понятные и четкие коммуникации, дружелюбные коллеги;
- Заботу – компенсация изучения иностранных языков (английский, французский), занятия спортом (футбол/йога), завтраки по утрам, насыщенная корпоративная жизнь.
