AI-инженер — Python, RAG и ReAct-агентыBell Integrator

300K ₽–374K ₽/мес
Опубликовано 24.10.2026
оценка на руки

Что за роль

Bell Integrator развивает AI-направление. В этой роли нужны практический опыт работы с LLM, построения RAG-систем и разработки ReAct-агентов.

Требования

  • От 4 лет опыта работы с Python.
  • Высшее образование.
  • Практический опыт построения RAG-систем и работы с векторными хранилищами; желательно PostgreSQL и pgvector.
  • Опыт разработки ReAct-агентов.
  • Понимание ООП, SOLID и паттернов проектирования.
  • Знание основ многопоточного и асинхронного программирования, включая GIL и asyncio.
  • Практические знания и навыки работы с LLM.

Что мы предлагаем

  • Полная занятость, удалённая работа по России.
  • Условия оплаты обсуждаются по итогам собеседования.

Кто здесь добьётся успеха

→

Глубокое понимание и практический опыт работы с моделями LLM, что позволяет эффективно строить RAG-системы и разрабатывать качественные ReAct-агенты.

→

Способность быстро адаптироваться к удалённой работе, используя современные инструменты для совместной работы и коммуникации, что обеспечивает продуктивность в распределённой команде.

→

Знание и применение принципов SOLID и паттернов проектирования в реальных проектах, что способствует созданию устойчивых и легко поддерживаемых систем.

→

Опыт работы с векторными базами данных, такими как PostgreSQL и pgvector, обеспечивающий эффективное управление данными для AI-приложений.

Ресурсы для обучения

Карьерный путь

Младший AI-инженер (Сейчас)→AI-инженер (1–2 года)→Ведущий AI-инженер (3–5 лет)

Обзор рынка

Объём рынка 2026
$3.2B
Годовой рост
15.4%
Внедрение AI
64%
Инвестиции
+150%

Навыки и требования

Обязательные
PythonRAGVector Databases
Растущий спрос
Machine LearningData EngineeringMLOps
Снижающийся спрос
PerlMATLAB

Тренды отрасли

Рост внедрения LLM
Согласно последним исследованиям, 72% организаций в России начали интегрировать LLM в свои процессы разработки, что значительно увеличивает спрос на AI-инженеров.
Эволюция векторных баз данных
Использование векторных баз данных, таких как pgvector, возросло на 40% за последние 2 года, так как они становятся критически важными для хранения и обработки больших объемов данных в AI.

Новости AI/Big Data

Загружаем новости отрасли...

Ищем релевантные статьи за последние 6 месяцев