Jobgether
Applied AI Engineer
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
Applied AI Engineer для проектирования и разработки интеллектуальных диалоговых решений и AI-агентов в образовательных продуктах. Полный цикл: от промпт-инжиниринга и прототипирования до оценки, продакшн-деплоя и мониторинга.
Задачи
- Переводить спецификации сценариев, модели решений и рубрики оценки в промпты, логику приложения и тестируемое поведение AI
- Выявлять недостающие требования, технические ограничения и риски, эскалировать их Product, Engineering и экспертам
- Определять взаимодействие AI-моделей с сервисами приложения и одобренными источниками данных (API, инструменты, структуры данных, валидация, обработка ошибок)
- Проектировать системные промпты, структурированные выходы и механизмы валидации для предотвращения некорректных ответов
- Создавать диалоговые рантаймы с контролируемыми персонами, состоянием сессии и переходами состояний
- Разделять поведение симуляции, логику оценки и механизмы обратной связи
- Реализовывать RAG и grounding из одобренных источников знаний с указанием ссылок
- Вести версионный контроль и документацию для кода, промптов, схем и оценочных материалов
- Проводить структурированные эксперименты с Product-командами с измеримыми критериями успеха
- Выводить валидированные прототипы в продакшн совместно с Engineering и проверять консистентность поведения
- Участвовать в технических контролях для аккредитации и комплаенса: флаги проблем, ревью-процессы, раскрытия, логирование
- Мониторить и оценивать производительность AI, искать улучшения качества, надёжности, безопасности и эффективности
Требования
- Экспертный уровень промпт- и контекст-инжиниринга: системные промпты, few-shot, chaining, routing, декомпозиция задач
- Опыт со структурированными выходами, JSON Schema, function calling, слоями валидации, retry и fallback
- Практическое знание архитектуры RAG: chunking, фильтрация по метаданным, hybrid search, reranking, цитирование
- Опыт управления token budget, prompt caching, context compaction и долгосрочной памятью сессий
- Экспертиза в агентных системах: tool use, planner/executor, мультиагентная оркестрация, state machines, human-in-the-loop
- Умение определять схемы инструментов, области разрешений и лимиты действий для AI-агентов
- Опыт методов оценки AI: golden datasets, rubric-based scoring, LLM-as-judge с калибровкой по людям, регрессионное тестирование
- Знакомство с LLM observability, трейсингом и мониторингом производительности
- Понимание рисков безопасности LLM: prompt injection, утечки данных, jailbreaks, небезопасные действия инструментов, guardrails
- Умение сравнивать варианты промптинга, retrieval и моделей по качеству, задержке и стоимости
- Владение Python или TypeScript, включая интеграции с API и автоматизированное тестирование
- Опыт Git-based version control (например, Bitbucket), воспроизводимых тестов и CI
- Комфорт в использовании AI coding agents в рабочем процессе
- Сильные коммуникативные навыки и умение объяснять технические компромиссы нетехническим коллегам
- Здравый подход к приватности, человеческому надзору и ограничениям AI-генерируемых оценок и советов
- Подтверждённый опыт создания LLM-приложений с многошаговыми диалоговыми сценариями
- Опыт работы с экспертами предметной области для перевода знаний в эффективное поведение AI
Условия
- Полностью удалённая работа
- Долгосрочная профессиональная возможность
- Работа над AI-образовательными продуктами для регулируемых отраслей
- Agile-ориентированная среда с кросс-функциональными командами
- Работа с продвинутыми LLM-приложениями, диалоговыми агентами и прикладным AI
Навыки
- LLM
- Prompt engineering
- RAG
- JSON Schema
- Function calling
- Agentic systems
- Multi-agent orchestration
- State machines
- LLM evaluation
- LLM observability
- Prompt injection defense
- Guardrails
- Python
- TypeScript
- API integrations
- Automated testing
- Git
- Bitbucket
- CI
- AI coding agents