Senior AI Engineer, Agents (Python) (f/m/d)

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

Senior AI-инженер в Bliro, отвечающий за качество чат- и голосовых агентов для полевых продаж: промптинг, контекст, бенчмаркинг моделей, evals и агентный harness. Роль про оркестрацию и оценку моделей, а не про их обучение.

Задачи

• Разобрать сквозной процесс работы чат- и голосового агентов Bliro, проанализировать реальные диалоги и выявить основные режимы отказа
• Владеть измерением качества агентов: строить eval-наборы и метрики, бенчмаркать модели по качеству, задержке и стоимости
• Выстроить повторяемый процесс улучшения качества агентов: прогонять evals на каждое изменение промпта, модели и harness, автоматически превращать реальные диалоги в тест-кейсы
• Формировать долгосрочный roadmap по качеству агентов
• Работать в тесной связке с backend-инженерами над платформой агентов

Требования

• Подтверждённый опыт владения и вывода LLM-агентов в прод с доказательством улучшений на данных
• Техническое образование в одном из ведущих технических вузов (TUM, ETH, KIT, RWTH, EPFL и т.п.)
• Сильный Python и умение отлаживать поведение агентов через промпты, инструменты, контекст и выбор модели
• Практический опыт построения eval-пайплайнов, LLM-суджей и бенчмарков моделей, достаточная статистическая база для отделения реального прироста от шума
• Привычка читать сырые диалоги и превращать находки в тест-кейсы, исправления и приоритеты
• Умение быстро собирать контекст и формировать чёткую позицию
• Опыт работы с AI-инструментами для кодинга
• Плюсом: опыт с современными агентными фреймворками, realtime voice-агентами и мультиязычными агентами

Условия

• Сильный базовый оклад плюс значимая доля в капитале
• 30 дней оплачиваемого отпуска
• Гибридный формат: офис в центре Мюнхена рядом с Фрауэнкирхе или работа из дома
• Бесплатная еда и напитки, Deutschlandticket, оборудование лучшего класса, Wellpass

Навыки

• Python
• LLM agents
• Prompt engineering
• Evals
• LLM judges
• Model benchmarking
• Agent frameworks
• Realtime voice agents