Senior/Middle AI Engineer (LLM)

Мы — команда GigaChat Enterprise, дочерняя организация Сбера, мы занимаем лидирующие позиции в сфере коммерциализации технологии GenAI с продуктом GigaChat. Мы предлагаем полный цикл решений: LLM-модель GigaChat для локальной и облачной инсталляции, инфраструктуру для GenAI, платформу для разработки агентных систем, готовые GenAI-решения для быстрого старта в типовых задачах, реализацию уникальных клиентских кейсов, консалтинг по GenAI-трансформации. В своей работе мы помогаем нашим партнерам перейти от экспериментов с технологией к промышленному масштабированию, обеспечивая безопасность, адаптивность и экономическую выгоду.

Обязанности

• Проектировать и разрабатывать RAG-пайплайны: chunking, embedding, retrieval, reranking, generation.
• Подбирать стратегии обработки и разбиения документов под разные типы контента (recursive, semantic, document-aware chunking).
• Работать с разными форматами данных: PDF, DOCX, XLSX, изображения, документы без текстового слоя.
• Настраивать и оптимизировать векторный и гибридный поиск.
• Проектировать flow с логикой вызовов: роутинг, условные переходы, цепочки промптов.
• Разрабатывать агентные системы с использованием инструментов и многошаговым планированием.
• Интегрировать внешние модели: embedding-модели, rerankers, классификаторы, vision-модели.
• Оценивать качество систем: настраивать retrieval-метрики (hit rate, MRR, NDCG), проводить оценку генерации (RAGAS, faithfulness, relevancy).
• Контейнеризировать и деплоить решения на on-prem инфраструктуру.

Требования

• Опыт работы от 3 лет.
• Опыт работы с AI-инструментами: от года.
• Опыт создания RAG-систем.
• Понимание архитектуры LLM: принципы работы трансформеров, управление контекстным окном, ограничения по токенам, стратегии работы с длинным контекстом (chunking, map-reduce, refine), узкие места inference.
• Знание NLP: токенизация, эмбеддинги, работа с текстом на разных языках.
• Знание LangChain, LlamaIndex.
• LLM-инференс: OpenAI API, GigaChat API, LLM, Ollama.
• Векторные БД: FAISS, Qdrant, Milvus, Chroma, Weaviate, Elasticsearch.
• Знание Hybrid search: BM25 + dense retrieval, reciprocal rank fusion.
• Опыт построения Embedding-модели: e5, bge, multilingual-e5.
• Знание Python, Git, Docker, Docker Compose.
• Знание PostgreSQL, Redis.
• Методы оценки: hit rate, RAGAS, human evaluation.
• Способность объяснить принятые технические решения и их trade-offs.

Условия

• Достойная заработная плата + годовой бонус.
• Сильная команда.
• ДМС, с первого рабочего дня.
• Работа в аккредитованной IT-компании.
• Льготная ипотека от Сбера.
• Локация: Москва, м. Цветной бульвар, формат работы преимущественно удалённый / гибридный с редкими визитами в офис в Москве по необходимости.