Senior AI Engineer — Python, LLM и RAG ДеФактоОпубликовано 03.11.2026

292K ₽–364K ₽/мес

Опубликовано 03.11.2026

оценка на руки

Удалённо Senior AI/Big Data Python FastAPI Asyncio REST APIs Webhooks LLM OpenAI API

292K ₽–364K ₽/мес

оценка на руки

Что за роль

Компания «ДеФакто» разрабатывает AI-решения для корпоративных систем и процессов. Вам предстоит доводить решения от пилота до промышленной эксплуатации.

Чем вы будете заниматься

Разрабатывать AI-агентов и интеграции с 1С, почтой и файловыми ресурсами.
Автоматизировать обработку документов и отчётности.
Собирать и анализировать информацию из внешних источников.
Оценивать качество AI-решений и поддерживать их.
Собирать требования и готовить техническую документацию.

Требования

Опыт разработки на Python от 3 лет; FastAPI, asyncio, REST API и webhooks.
Практический опыт работы с LLM, OpenAI API, tool calling и MCP.
Знание RAG: embeddings, векторный поиск и reranking.
Знание SQL и баз данных.
Опыт работы с Docker, Git, тестированием и code review.
Опыт оценки качества LLM-решений.
Понимание информационной безопасности и защиты от prompt injection.
Общий опыт работы — от 6 лет.

Что мы предлагаем

Полная занятость, график 5/2.
Можно работать удалённо, в гибридном формате или в офисе.

Кто здесь добьётся успеха

→

Уверенно проектирует на Python асинхронные сервисы на FastAPI: продумывает REST API и вебхуки так, чтобы AI-агенты надёжно интегрировались с корпоративными системами, включая 1С, почту и файловые ресурсы.

→

Практично применяет большие языковые модели: использует API OpenAI, вызов инструментов и протокол MCP, выбирая подход, который решает задачу автоматизации, а не просто демонстрирует возможности модели.

→

Умеет доводить RAG и обработку документов от пилота до промышленной эксплуатации: оценивает качество ответов, учитывает ошибки и ограничения внешних источников и поддерживает решение после запуска.

→

Самостоятельный специалист старшего уровня, которому комфортно удалённо или в гибридном формате уточнять требования к корпоративным процессам и превращать их в надёжную автоматизацию отчётности и документооборота.

Ресурсы для обучения

→Сетевой инженер (уровень CCNA +)Курс

Карьерный путь

Старший инженер по ИИ — Python, большие языковые модели и RAG в «ДеФакто» (Сейчас)→Ведущий инженер по ИИ-решениям: отвечает за архитектуру и промышленный запуск агентов и интеграций с корпоративными системами (Через 1–2 года)→Руководитель направления корпоративных ИИ-платформ: определяет техническую стратегию автоматизации, качества и масштабирования решений (Через 3–5 лет)

Обзор рынка

Объём рынка Python-разработки, 2026

$8,5 млрд

Прогнозный годовой рост рынка

18,0%

Использование AI-инструментов Python-разработчиками

65%

Инвестиции в генеративный AI, 2025

$33,9 млрд

Навыки и требования

Обязательные

PythonFastAPIAsyncio

Растущий спрос

LangGraph и оркестрация агентных workflowВекторный поиск и гибридный retrieval: Qdrant, pgvector, ElasticsearchОценка качества и наблюдаемость LLM-приложений: RAGAS, Langfuse, OpenTelemetry

Снижающийся спрос

Ручная сборка цепочек LLM без оркестрации и контроля качестваПростая RAG-схема на одном векторном поиске без reranking и гибридного retrieval

Тренды отрасли

Переход от чат-ботов к агентным системам

LLM-приложения всё чаще используют tool calling и интеграции с внутренними API для выполнения многошаговых задач. Для Senior AI Engineer полезно показать production-примеры с ограничением прав инструментов, обработкой ошибок и трассировкой вызовов; MCP становится одним из способов стандартизировать подключение инструментов.

RAG становится гибридным и измеряемым

В production-системах к семантическому поиску добавляют BM25, reranking и фильтрацию по метаданным, а качество проверяют на наборах релевантности и метриках retrieval. Практический сигнал для кандидата — умение обосновать выбор chunking, embedding-модели и стратегии поиска, а не только собрать базовый pipeline.