Full Stack AI Engineer (удаленная работа)

Вакансия: Full Stack AI Engineer

Описание вакансии

Middle+/Senior Full Stack AI Engineer

Ищем Full Stack AI Engineer, который умеет не просто интегрировать LLM, а строить устойчивые AI-продукты end-to-end: от архитектуры и веб-интерфейса до оркестрации агентных пайплайнов, качества выдачи и поддержки production-решений.

Обязанности:

• Развивать архитектуру платформы совместно с командой: рефакторинг кодовой базы, внедрение новых модулей, работа с оркестраторами вроде Temporal, LangGraph и аналогов.

• Разрабатывать новые сценарии генерации презентаций: обрабатывать входные данные в разных форматах текст, таблицы, изображения и улучшать качество итоговой выдачи.

• Строить и развивать веб-редактор: интерактивное редактирование слайдов, преднастройки презентаций, работа с иконками, изображениями и UI-компонентами.

• Интегрировать и оптимизировать LLM-пайплайны: промпт-инжиниринг, балансировка качества и стоимости генерации, обработка ошибок и нестабильных ответов модели.

• Проектировать и улучшать AI-агентные сценарии: последовательные цепочки агентов, передача контекста, контроль качества результата на каждом этапе.

• Участвовать в принятии архитектурных решений: взвешивать trade-off'ы, обосновывать выбор подходов, предлагать улучшения для кода и системы в целом.

• Обеспечивать качество кода: ревью, рефакторинг, работа с Git, ветками, PR и параллельной разработкой нескольких инженеров.

Требования:

• TypeScript, React уверенное владение.

• AI-оркестрация: Temporal, LangGraph, LangChain знание хотя бы одного инструмента и понимание принципов.

• LLM: опыт работы с Claude, OpenAI API или аналогами.

• Базы и retrieval: векторные базы данных, RAG, работа с Qdrant, Weaviate, Pinecone или аналогами.

• Инфраструктура: Docker, базовый Linux, nginx.

• Git: git flow, работа с ветками, PR, code review в командной разработке.

Что важно знать и уметь

• Уверенно проектировать API и структуры данных, а не просто делать чтобы работало .

• Понимать ООП, принципы чистого кода и уметь оценивать качество как ручного, так и сгенерированного кода.

• Знать, как организовать кодовую базу для параллельной работы нескольких разработчиков без хаоса и конфликтов.

• Понимать принципы построения agentic pipelines: несколько агентов, передача контекста, контроль результата и обработка ошибок.

• Уметь разбираться, где модель ошибается: галлюцинации, потеря контекста, неверная маршрутизация, нестабильность цепочек.

• Знать основы RAG-архитектур: чанкинг, эмбеддинги, гибридный поиск, retrieval-логика и влияние этих решений на качество ответа.

Личные качества

• Работает автономно и умеет брать задачу целиком, без микроменеджмента.

• Комфортно чувствует себя в условиях неопределённости, когда есть прототип и направление, но нет жёсткой рамки.

• Ориентирован на результат, а не на процесс: важнее качество и работающий продукт, чем объём написанного кода.

• Умеет честно оценивать качество кода в том числе своего и спокойно предлагать улучшения.

Дополнительная информация:

• Для проектов без английского язык не требуется.

• Для европейских и американских проектов нужен английский от B2+.

Процесс

• Короткое общение с рекрутером.

• Техническое интервью / TechCertify-скрининг.

• Передача на подходящие проекты клиентам.

Если вам близок инженерный подход, нравится работать на стыке frontend, backend и AI, и есть опыт создания сложных AI-платформ, будем рады пообщаться.