AI Engineer

О позиции

Позиция AI Engineer в компании из Мексики, специализирующейся на бухгалтерском ПО. Вы будете определять и проектировать техническую архитектуру решений на основе интеллектуальных агентов и больших языковых моделей. Работа включает реализацию протоколов взаимодействия между агентами (MCP, A2A) и непрерывное развертывание обновлений. Мы ищем специалиста с опытом построения многоагентных систем и интеграции их в бизнес-процессы.

Чем заниматься

• Определять, проектировать и контролировать техническую архитектуру решений на основе интеллектуальных агентов и LLM
• Реализовывать архитектуру MCP (Model Context Protocol) и A2A (Agent-to-Agent) для координации многоагентных систем
• Работать с командой MLOps для непрерывного обновления и развертывания агентов
• Управлять памятью, контекстом и планированием долгосрочных задач в системах агентов
• Сотрудничать с продуктовыми, UX, дата и бэкенд командами для интеграции бизнес-потребностей

Что ждут

• 5 лет опыта в проектах искусственного интеллекта
• 2 года опыта в реализации автономных агентов или co-pilot систем
• Техническое свободное владение английским языком
• Опыт работы с векторными хранилищами и архитектурой RAG
• Опыт работы с бизнес-данными в областях бухгалтерии, финансов или ERP является плюсом

Будет плюсом

• Опыт работы в доменах бухгалтерии, финансов, payroll, billing или ERP
• Знание frameworks LangChain, LlamaIndex, AutoGen, CrewAI или аналогичных
• Опыт лидерства технических дискуссий между командами

Условия

• Работа над передовыми технологиями искусственного интеллекта и автономных агентов
• Возможность влияния на архитектуру решений высокого уровня
• Сотрудничество с кросс-функциональными командами
• Профессиональное развитие в области AI и MLOps

Навыки

• Python
• FastAPI
• asyncio
• Pydantic
• LangChain
• LlamaIndex
• AutoGen
• CrewAI
• RAG
• Vector Stores
• MLOps
• LLM
• Intelligent Agents

Могут спросить на собеседовании

1. Как вы строите архитектуру автономных агентов и обеспечиваете их устойчивую работу?
2. Какой опыт у вас есть с фреймворками для LLM и как вы выбираете подходящий инструмент?
3. Расскажите о вашем подходе к управлению контекстом и памятью в агентных системах
4. Как вы обеспечивете безопасную интеграцию данных в RAG архитектурах?