AI-инженер (LLM/RAG) в Урал Логистика

Сгенерировать отклик под эту вакансию с ИИ

Аврора подстроит резюме и напишет сопроводительное за 30 секунд

Чем предстоит заниматься

Проектировать и разрабатывать конвейер обработки документов: загрузку, нормализацию, сегментацию, определение структуры и подготовку контекста
Извлекать структурированные данные из договоров, приложений, дополнительных соглашений, актов и других связанных документов
Работать с длинным контекстом, таблицами, пересекающимися формулировками и изменениями условий во времени
Обеспечивать атрибуцию результата к документу, странице и исходному фрагменту
Строить гибридный поиск: полнотекстовый и векторный retrieval, фильтрацию, реранкинг и сбор контекста
Развивать графовое представление документов, сущностей и связей для поисковых и аналитических сценариев
Проектировать агентные и workflow-сценарии: управление состоянием, инструментальные вызовы, повторы, fallback-механизмы и обработку отказов
Создавать эталонные наборы, метрики по полям и регрессионные тесты для оценки извлечения, поиска и генерации — чтобы при смене модели, промпта или retrieval-стратегии было видно, что улучшилось, а что деградировало
Разрабатывать Python-сервисы, API, фоновые задачи и интеграции с внутренними источниками
Участвовать в выборе моделей, постановке экспериментов, fine-tuning и оптимизации локального inference

Требования

Уверенная промышленная разработка на Python уровня middle+ и выше
Опыт с FastAPI или аналогичным фреймворком, асинхронным исполнением, очередями и фоновой обработкой
PostgreSQL и SQL на рабочем уровне
Практический опыт вывода LLM-решений в production
Понимание RAG, structured output, tool calling и многошаговых модельных сценариев
Умение измерять качество: строить эталонные наборы, выбирать метрики, классифицировать ошибки и проводить регрессионное тестирование
Опыт с Docker, Kubernetes и CI/CD
Готовность доводить вертикальную задачу от спецификации и эксперимента до эксплуатации