AI Engineer — Python, FastAPI и LangGraph RunelloОпубликовано 04.11.2026

193K ₽–240K ₽/мес

Опубликовано 04.11.2026

оценка на руки

Удалённо Middle IT Services Python Async Type Hinting PyTest FastAPI REST LLM

193K ₽–240K ₽/мес

оценка на руки

Что за роль

Компания разрабатывает программное обеспечение и оказывает услуги IT-аутсорсинга для предприятий, организаций и стартапов. AI Engineer будет работать со стеком Python, FastAPI и LangGraph.

Требования

Опыт уровня Middle или Senior.
Python, асинхронное программирование и Type Hinting.
Pytest, FastAPI, REST, LLM и LangGraph.

Кто здесь добьётся успеха

→

Уверенно разрабатывает на Python на уровне мидла: применяет аннотации типов, асинхронное программирование и FastAPI, создавая надёжные REST-интерфейсы для интеграции ИИ-функций.

→

Умеет превращать задачи с большими языковыми моделями в устойчивые рабочие процессы: использует LangGraph для построения цепочек и управления состоянием, а не ограничивается простыми запросами к модели.

→

Проверяет качество кода системно: пишет тесты на Pytest для асинхронных обработчиков, API и логики взаимодействия с языковыми моделями, учитывая изменчивость ответов ИИ.

→

Самостоятелен и дисциплинирован в удалённой работе: способен уточнять требования заказчиков из разных отраслей и доводить решения до рабочего состояния в условиях проектов по разработке и ИТ-аутсорсингу.

Ресурсы для обучения

→Сетевой инженер (уровень CCNA +)Курс

Карьерный путь

Инженер по ИИ на Python, FastAPI и LangGraph (Сейчас)→Старший инженер по ИИ — проектирование сервисов на основе языковых моделей и техническое ведение интеграций (Через 1–2 года)→Архитектор решений на основе ИИ — проектирование масштабируемых платформ и систем на базе языковых моделей для корпоративных клиентов (Через 3–5 лет)

Обзор рынка

Объём рынка ПО на Python, 2026

$24B

Годовой рост рынка ПО на Python

18%

Компании, внедряющие генеративный AI в разработку ПО

65%

Инвестиции в генеративный AI, 2025

$33,9B

Навыки и требования

Обязательные

PythonAsyncType Hinting

Растущий спрос

Pydantic v2 и структурированный вывод LLMRAG: векторные базы данных и гибридный поискОценка и наблюдаемость LLM-приложений (трассировка, тестирование качества)

Снижающийся спрос

Flask для новых асинхронных API-сервисовЦепочки LangChain без графового управления состоянием и явного контроля потока

Тренды отрасли

Переход от чат-ботов к агентным системам

Команды всё чаще строят приложения с инструментами, состоянием и многошаговым выполнением задач. LangGraph подходит для явного управления циклическими сценариями и восстановления после ошибок; инженерам полезно показывать в портфолио графы с ограничением полномочий инструментов и обработкой сбоев.

Инференс становится асинхронным и потоковым

Для LLM API важны потоковая выдача, параллельные вызовы инструментов и контроль задержек. FastAPI с async хорошо соответствует этим нагрузкам, но асинхронность помогает только при неблокирующих клиентах и корректном ограничении конкурентности; демонстрируйте измерения задержки и пропускной способности.