Лидер Продукта / Python Tech Lead (удаленная работа)
19 ноября 2026
з.п. не указана
Не указан
Вакансия: Лидер Продукта / Python Tech Lead
Описание вакансии
Ищем технического лидера, который сам пишет код, проектирует архитектуру, руководит инженерами и отвечает за работающий результат. Основная техническая зона Python-бэкенд и сервисы вокруг AI-агентов, интерфейс React/TypeScript.
Рассматриваем Python Tech Lead, Lead Fullstack, Development Lead и Product Engineer с опытом управления командой. Название предыдущей должности не принципиально важны самостоятельность решений, актуальная разработка и ответственность за продукт.
О продукте
ПравоТех продуктовая IT-компания, работающая с 2008 года. Мы развиваем ПравоКонсультант AI-сервис, который помогает решать юридические задачи: проверить договор, подготовить документ, разобраться в ситуации и получить план действий.
Продукту меньше года. Он прошёл этап MVP и сейчас масштабируется. В сентябре 2026 года к сервису обратились около 85 тысяч раз. Следующий этап развитие качества, пользовательских сценариев и надёжности.
Чем предстоит заниматься
- Самостоятельно разрабатывать ключевые части продукта на Python и React/TypeScript, проводить содержательное ревью.
- Проектировать микросервисы и их взаимодействие: API-контракты, события, хранение данных, обработку ошибок и обратную совместимость.
- Развивать авторизацию, доступ для организаций, диалоги, документы, тарифы, биллинг, лимиты и учёт расхода.
- Обеспечивать надёжность долгих операций: сохранение состояния, прогресс, отмену, восстановление после обрыва и повторы без дублирования действий или списаний.
- Вместе с продактом и дизайнером улучшать пользовательские сценарии: от первого запроса до пригодного результата.
- Развивать чат со стримингом, библиотеку дел, редактор документов и общие интерфейсные компоненты для агентов.
- Организовывать быструю проверку продуктовых гипотез: оценивать техническую реализуемость, подключать события и аналитику, выпускать эксперименты и разбирать результаты.
- Выстраивать разработку с AI-агентами: подготовку контекста и спецификаций, реализацию, проверку кода, тестирование и выпуск.
- Нанимать и развивать инженеров, определять зоны ответственности и обеспечивать регулярную поставку изменений.
Как устроена ответственность
Лидер Продукта отвечает за приложение и сервисы, через которые пользователь взаимодействует с AI-агентами и получает результат.
Команда Агентов отвечает за юридическое качество, агентную логику, поиск, RAG и оценку ответов. Продуктовая команда работает с пользовательским путём, активацией, возвратом пользователей, интерфейсами и технической доставкой результата.
В команде есть продакт. Вместе вы оцениваете гипотезы и выбираете задачи для реализации. От лидера ожидаем самостоятельных предложений, инженерной оценки и ответственности за выпуск и эффект изменений.
Среди первых задач согласовать с лидером Агентов границы ответственности внутри API-шлюза.
Что для нас важно
- От 6 лет разработки в продакшене, включая от 3 лет Python и от 3 лет TypeScript/React. Вы продолжаете самостоятельно писать код.
- Опыт руководства командой от 4 инженеров: найм, постановка задач, ревью, развитие сотрудников и ответственность за результат.
- Умение самостоятельно предложить и объяснить техническое решение, разобрать ограничения и проверить корректность реализации.
- Практика микросервисной архитектуры: контракты, события, идемпотентность, конкурентные операции и восстановление после сбоев.
- Способность разрабатывать и ревьюить Python-сервисы на FastAPI, asyncio и Pydantic, а также код на React/TypeScript.
- Опыт запуска пользовательского продукта с измеримым результатом. Вы можете назвать метрику, изменение и собственный вклад.
- Работа с продуктовыми событиями, воронками и экспериментами; понимание онбординга, пути к оплате, тарифов и лимитов.
- Опыт пользовательских AI-интерфейсов в продакшене: стриминг, прогресс долгих задач, уточняющие вопросы и показ источников.
- Самостоятельное проектирование пользовательских сценариев и интерфейсов одному или вместе с дизайнером.
- Использование AI-агентов как основного инструмента разработки с самостоятельной проверкой результата.
- Понимание LLM-систем: RAG, tool calling, стоимость и задержки запросов, оценка качества.
- Практика наблюдаемости: Langfuse или аналог, трассировка, стоимость и оценки LLM-вызовов; OpenTelemetry.
Нам важны инженерные принципы и глубина решений. Полное совпадение всех инструментов из нашего стека не требуется.
Будет преимуществом
- Глубокое знание Python: asyncio, профилирование, память и поиск утечек.
- Практика построения RAG, поиска и оценки качества моделей.
- Декларативные интерфейсы и системы компонентов для агентов.
- Биллинг с переменной себестоимостью, токенные лимиты и сверка расхода.
- Совместное редактирование документов.
- MCP, OAuth и подключение внешних AI-клиентов.
- SLO и алерты для долгих операций.
- Go на уровне чтения, мобильная разработка или поставка продукта on-premise.
Юридическое образование, ML-исследования и управление маркетинговыми каналами не требуются.
Основной стек
- Бэкенд: Python, FastAPI, Pydantic, asyncio, SQLAlchemy, Alembic.
- Фронтенд: TypeScript, React, Next.js, TanStack Query, Tailwind, shadcn, Playwright, Vitest.
- Данные и интеграции: PostgreSQL, MongoDB, Redis, S3, NATS JetStream, SSE, MCP.
- Наблюдаемость и эксперименты: Langfuse, OpenTelemetry, Prometheus, Grafana, PostHog, Flipt.
- Инфраструктура: Docker, Kubernetes, Argo CD, GitLab CI.
Условия
- Удалённая работа или гибрид. Офис в Москве на Большой Полянке.
- Оформление по ТК РФ.
- ДМС со стоматологией.
- Фиксированный оклад и дополнительная премиальная часть. Условия обсуждаем индивидуально.
- Самостоятельность в технических решениях и возможность формировать команду.
Этапы знакомства
HR-интервью техническое интервью выборы лидера круга .
Выборы онлайн-встреча, на которой вы представите свой опыт, подход к руководству и видение развития направления, затем ответите на вопросы. Материалы и рекомендации для подготовки предоставим заранее.
В отклике будет полезно коротко рассказать
- Какую сложную задачу на Python вы недавно реализовали лично.
- Какой командой руководили и кого нанимали.
- Какой AI-функционал выпускали, кто им пользовался сотрудники компании или внешние клиенты.
- Как используете AI-агентов в разработке и проверяете их результат.
