Senior Agentic AI Engineer

О позиции

Как Senior Agentic AI Engineer вы станете техническим фундаментом наших AI-инициатив, проектируя и внедряя производственные AI-агентов и агенты-воркфлоу. Вы будете отвечать за архитектурную стратегию, надёжность и безопасность решений, используя передовые LLM-фреймворки (LangGraph, CrewAI), векторные базы данных и протоколы интеграции (MCP). Роль требует сильного лидерства, умения руководить командами разработчиков и переводить бизнес-требования в масштабируемые технические решения.

Чем заниматься

• Архитектура и разработка автономных воркфлоу и мульти-агентных систем на базе LangGraph/CrewAI
• Проектирование и обеспечение безопасности облачной инфраструктуры LLM-приложений на AWS с использованием Amazon Bedrock
• Интеграция AI-агентов с корпоративными API, источниками данных и детерминированными инструментами через MCP
• Построение высокопроизводительных RAG-пайплайнов с интеграцией векторных баз данных (Pinecone, Weaviate)
• Внедрение end-to-end оценки, guardrails и мер безопасности: метрики успеха задач, проверки галлюцинаций, защита от prompt injection
• Настройка систем observability с помощью LangSmith/Langtrace/AgentOps и менторство инженерных команд

Что ждут

• 5+ лет профессиональной разработки ПО, из них 2–3+ года в LLM application engineering и agentic AI системах
• Продвинутый опыт работы с Python, AWS (Amazon Bedrock), LangGraph/CrewAI, векторными БД (Pinecone, Weaviate)
• Опыт построения RAG-архитектуры и интеграции MCP
• Практический опыт с LangSmith, Langtrace или AgentOps, фреймворками оценки качества LLM
• Сильный ownership mindset, техническое лидерство, умение менторить разработчиков
• Английский язык — продвинутый уровень (письменно и устно), обязательное требование

Будет плюсом

• Опыт в reinforcement learning и архитектурах координации мульти-агентных систем
• Практика создания пользовательских AI-интерфейсов на Chainlit, Streamlit или React
• Многооблачный опыт (Azure AI, Google Cloud Platform)

Условия

• 100% remote работа из любой точки Латинской Америки
• Национальные праздники оплачиваемы
• Щедрая политика оплачиваемого отпуска
• Финансовая помощь со страхованием здоровья
• Конкурентная зарплата в долларах США по рыночным ставкам
• Непрерывные возможности карьерного роста в глобальных проектах

Навыки

• Python
• AWS
• Amazon Bedrock
• LangGraph
• CrewAI
• Pinecone
• Weaviate
• RAG
• Model Context Protocol
• LangSmith
• Langtrace
• AgentOps
• React
• Streamlit
• Chainlit
• Azure AI
• Google Cloud Platform
• Vector Database
• Microservices
• LLM

Могут спросить на собеседовании

1. Как вы проектировали мульти-агентные системы? Какие проблемы синхронизации и координации возникали?
2. Расскажите о вашем подходе к eval и observation LLM-приложений. Какие метрики важны и как вы их собираете?
3. Опишите случай, когда вам пришлось балансировать между скоростью развития и безопасностью/надёжностью системы.
4. Как вы оцениваете качество RAG-пайплайна? Как работаете с context window, reranking и hallucinations?