AI Engineer

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Senior AI Engineer в NetBrain для проектирования и построения production-grade агентных и RAG-систем, обеспечивающих интеллектуальную автоматизацию сети. Роль сочетает hands-on разработку с системным мышлением — от архитектуры и оценки до масштабируемости, наблюдаемости и надёжности в продакшене.

Задачи

• Проектировать и реализовывать ключевые возможности enterprise-grade Agent-платформы: паттерны оркестрации (ReAct, Plan-and-Execute, Supervisor), выполнение инструментов, управление контекстом и памятью, safety guardrails
• Проектировать механизмы исполнения и governance агентов: Human-in-the-Loop approval workflows, multi-tenant permission isolation, policy enforcement, безопасное исполнение
• Создавать переиспользуемые Agent Skills, стандартизированные интерфейсы инструментов и масштабируемую экосистему инструментов, интегрированную с платформой NetBrain
• Проектировать и внедрять стратегии post-training LLM: domain-specific SFT, DPO/RLHF-выравнивание, параметр-эффективный fine-tuning (LoRA)
• Строить self-learning feedback loop агентов: превращать production traces, фидбек пользователей и результаты оценки в датасеты для улучшения промптов, skills, моделей и retrieval
• Анализировать и оптимизировать поведение LLM: instruction following, tool calling, structured output, контекстное понимание, стабильность рассуждений, снижение галлюцинаций
• Строить production-grade фреймворки оценки LLM и агентов и автоматические регрессионные пайплайны: бенчмарк-датасеты, детерминированные проверки, LLM-as-a-Judge, валидация tool-call, оценка качества retrieval, end-to-end метрики успеха задач
• Устанавливать release quality gates и механизмы детекции галлюцинаций для AI-фич
• Строить observability AI-систем: distributed tracing, структурированное логирование, метрики, дашборды, алертинг
• Быстро диагностировать и устранять production-сбои AI: галлюцинации, неверный выбор инструментов, невалидные параметры, циклы агентов, деградация retrieval, сбои structured output, регрессии latency
• Проектировать и реализовывать надёжные backend-сервисы для production AI и Agent-нагрузок: асинхронная и конкурентная обработка, retries, timeouts, кэширование, rate limiting, fault isolation
• Оптимизировать latency, throughput, потребление токенов и инфраструктурные затраты под SLA платформы
• Самостоятельно диагностировать и решать сложные проблемы AI-систем на стыке промптов, моделей, RAG, инструментов, Agent workflows, backend-сервисов и инфраструктуры
• Вести технический дизайн критичных модулей и системных возможностей в соответствии с архитектурой платформы, требованиями безопасности и стандартами
• Двигать технические улучшения на основе production-данных, результатов оценки и бенчмарков, тесно сотрудничая с Engineering, Product, QA и другими командами
• Прототипировать, бенчмаркать и выводить в продакшен новые технологии: GraphRAG, Knowledge Graphs, MCP, LLM Post-Training, Agent Self-Learning
• Оценивать Agent-фреймворки и инфраструктуру (LangChain, LangGraph, AutoGen, LlamaIndex) и давать технические рекомендации по эволюции архитектуры
• Следить за развитием LLM и Agent-технологий и быстро превращать перспективные технологии в измеримые production-ready возможности

Требования

• Bachelor's degree или выше в Computer Science, Artificial Intelligence, Electrical Engineering или смежной технической области; Master's или Ph.D. предпочтительно; эквивалентный практический опыт рассматривается
• 3+ года опыта в software engineering, machine learning или applied AI, включая 2+ года построения, деплоя и эксплуатации production-grade LLM или Agent-приложений
• Опыт end-to-end доставки хотя бы одной LLM-powered фичи и её последующей эксплуатации и улучшения после запуска
• Глубокое понимание архитектур агентов и поведенческих характеристик LLM: instruction following, tool-calling, чувствительность к контексту
• Hands-on опыт построения многошаговых workflow с рассуждением, выполнением инструментов, управлением состоянием, structured outputs, валидацией и обработкой ошибок
• Подтверждённая способность диагностировать и устранять production-сбои LLM/Agent: галлюцинации, неверные tool calls, деградация retrieval, циклы агентов, сбои structured output, регрессии latency
• Сильные навыки Python и distributed backend engineering: разработка API и сервисов, асинхронное и конкурентное программирование, retries, timeouts, кэширование, rate limiting, тестирование, логирование, cross-service performance debugging
• Hands-on опыт проектирования систем оценки LLM-приложений: построение датасетов, определение метрик, регрессионное тестирование, release quality gates
• Сильное понимание рисков безопасности LLM и Agent-приложений: prompt injection, утечка данных, небезопасное выполнение инструментов, границы прав, неконтролируемая автономность агентов
• Способность самостоятельно проектировать, реализовывать, отлаживать, деплоить и эксплуатировать сложные production-системы

Условия

• Компенсация: базовая ставка $150,000 - $180,000 + бонус
• Фактическая зарплата может варьироваться в зависимости от рынка и индивидуальных квалификаций
• Комплексный пакет бенефитов: 401k, медицинская и стоматологическая страховка
• NetBrain рассматривает всех заинтересованных и квалифицированных кандидатов без дискриминации
• Возможность запросить разумные accommodations при необходимости

Навыки

• Python
• LLM
• RAG
• Agent
• ReAct
• Plan-and-Execute
• Supervisor
• Human-in-the-Loop
• multi-tenant
• SFT
• DPO
• RLHF
• LoRA
• fine-tuning
• prompt engineering
• tool calling
• structured output
• hallucination mitigation
• LLM-as-a-Judge
• distributed tracing
• observability
• asynchronous programming
• concurrent programming
• caching
• rate limiting
• fault isolation
• GraphRAG
• Knowledge Graphs
• MCP
• LangChain
• LangGraph
• AutoGen
• LlamaIndex
• embeddings
• vector search
• hybrid search
• reranking
• chunking
• LangSmith
• prompt injection
• API development
• backend services