Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
Коломбо, Шри-Ланка9 месяцев назад
Design and develop agentic AI systems including autonomous agents, tool-using agents, multi-agent orchestration, and workflow state machines Design, build, and maintain AI-powered automation workflows Build LLM-driven agents capable of reasoning, planning, retrieving knowledge, and executing tasks across enterprise systems Integrate agents with internal APIs, CRM/ERP platforms, Jira, Confluence, Slack, email, databases, payment systems, and other business tools using function/tool calling, MCP (Model Context Protocol), and A2A patterns Develop end-to-end AI automations that combine LLM capabilities solving repetitive tasks such as document processing, lead enrichment, customer support triage, reporting, and data synchronisation across systems Connect AI agents to automation platforms via webhooks, API triggers, and custom nodes; manage scheduling, error handling, and conditional branching within automation workflows Implement tool-calling schemas, input validation, error handling, retries, rate limits, and fallback logic to ensure reliable agent execution Design and maintain RAG pipelines using vector databases, embedding models, reranking, and chunking strategies to ground agent outputs in enterprise knowledge Build safety guardrails including content filters, policy constraints, tool access controls, and human-in-the-loop approval flows for high-risk actions Create evaluation pipelines to measure agent reliability, task success rate, accuracy, and failure-mode behaviour using tools such as LangSmith, OpenAI Evals, or custom telemetry systems Implement observability and tracing of reasoning steps, tool calls, latency, cost, and error rates to support debugging and continuous improvement Deploy and operate agent services using Docker, Kubernetes, Terraform, and CI/CD pipelines in cloud environments (AWS, Azure, or GCP) Monitor agent behaviour in production, diagnose anomalies, and continuously refine agent policies and performance Evaluate emerging agentic AI models, frameworks, and toolkits; prototype and benchmark new approaches for scalability, robustness, and safety Prepare technical documentation including architecture diagrams, capability descriptions, limitations, and operational guidelines Communicate complex AI concepts to non-technical stakeholders and collaborate across cross-functional teams to align solutions with business needs
Bachelor's or master's degree in computer science, AI, Data Science, Engineering, or a related field 3+ years of software engineering experience with strong proficiency in Python and/or TypeScript 1+ year of hands-on experience building LLM-powered applications or agentic AI systems in production or near-production settings Experience with agent frameworks such as LangChain, LangGraph, AutoGen, CrewAI, Semantic Kernel, or equivalents Hands-on experience with AI automation and workflow orchestration Solid understanding of LLMs, embeddings, prompt engineering, structured outputs, and function/tool calling Experience building and integrating REST APIs, microservices, and backend services Familiarity with vector databases (FAISS, Pinecone, Chroma, Weaviate) and RAG pipeline design Familiarity with AI-assisted development workflows (e.g., Cursor, GitHub Copilot, Claude Code) for research, architecture, and implementation Strong system design, debugging, and problem-solving skills Excellent communication skills with the ability to present technical concepts to non-technical audiences Experience with agent communication protocols such as MCP (Model Context Protocol) and A2A Experience designing AI automation solutions that combine LLMs with workflow engines for use cases such as intelligent document processing, automated reporting, chatbot backends, or AI-assisted decision support Experience with cloud platforms (AWS, Azure, or GCP) and cloud AI services such as Azure AI Foundry, AWS Bedrock, or Google Vertex AI
Preferred: Advanced experience with n8n (including custom node development and self-hosting) or Make (including advanced scenario design, iterators, and aggregators) Experience with evaluation and observability tools for AI agents (LangSmith, OpenAI Evals, Weights & Biases, or custom telemetry) Experience with reinforcement learning, planning algorithms, or multi-agent coordination Familiarity with model fine-tuning, RLHF, or distillation techniques Experience with CI/CD pipelines (GitHub Actions, GitLab CI, Jenkins) Experience with containerisation (Docker, Kubernetes) and infrastructure-as-code tools (Terraform, CloudFormation) Knowledge of security best practices: authentication, authorisation, least-privilege access, and audit logging Background in a regulated industry (healthcare, finance, defence, or consulting) Relevant certifications: AWS ML Specialty, Azure AI Engineer Associate, or GCP Professional ML Engineer
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 20 000 до 56 600
Грейд
Senior
Опыт работы
от 3 лет
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Проектирование и разработка агентных AI-систем, включая автономных агентов, агентов, использующих инструменты, оркестрацию мультиагентов и конечные автоматы рабочих процессов Проектирование, создание и поддержка автоматизированных рабочих процессов на базе ИИ Создание агентов на базе LLM, способных к рассуждению, планированию, извлечению знаний и выполнению задач в корпоративных системах Интеграция агентов с внутренними API, платформами CRM/ERP, Jira, Confluence, Slack, электронной почтой, базами данных, платежными системами и другими бизнес-инструментами с использованием вызовов функций/инструментов, MCP (Model Context Protocol) и A2A паттернов Разработка сквозных AI-автоматизаций, которые объединяют возможности LLM для решения повторяющихся задач, таких как обработка документов, обогащение лидов, распределение запросов в службу поддержки клиентов, составление отчетов и синхронизация данных между системами Подключение AI-агентов к платформам автоматизации через веб-хуки, триггеры API и пользовательские узлы; управление планированием, обработкой ошибок и условным ветвлением в рабочих процессах автоматизации Реализация схем вызовов инструментов, проверки входных данных, обработки ошибок, повторных попыток, ограничения скорости и запасных логик для обеспечения надежного выполнения агентов Проектирование и поддержка RAG-конвейеров с использованием векторных баз данных, моделей встраивания, переранжирования и стратегий разделения на части для обоснования выходных данных агентов на основе корпоративных знаний Создание механизмов безопасности, включая фильтры контента, ограничения политик, контроль доступа к инструментам и потоки утверждения с участием человека для высокорисковых действий Создание конвейеров оценки для измерения надежности агентов, коэффициента успешного выполнения задач, точности и поведения при сбоях с использованием таких инструментов, как LangSmith, OpenAI Evals или пользовательских систем телеметрии Реализация наблюдаемости и трассировки шагов рассуждений, вызовов инструментов, задержек, затрат и уровней ошибок для поддержки отладки и непрерывного улучшения Развертывание и эксплуатация агентных сервисов с использованием Docker, Kubernetes, Terraform и CI/CD конвейеров в облачных средах (AWS, Azure или GCP) Мониторинг поведения агентов в продакшене, диагностика аномалий и непрерывное улучшение политик и производительности агентов Оценка новых моделей, фреймворков и инструментариев агентного ИИ; прототипирование и бенчмаркинг новых подходов для масштабируемости, надежности и безопасности Подготовка технической документации, включая архитектурные диаграммы, описания возможностей, ограничения и операционные руководства Представление сложных AI-концепций нетехническим заинтересованным сторонам и сотрудничество с межфункциональными командами для согласования решений с потребностями бизнеса
Степень бакалавра или магистра в области компьютерных наук, ИИ, науки о данных, инженерии или смежной области 3+ года опыта разработки программного обеспечения с глубоким знанием Python и/или TypeScript 1+ год практического опыта создания приложений на базе LLM или агентных AI-систем в производственных или близких к производственным условиях Опыт работы с фреймворками для агентов, такими как LangChain, LangGraph, AutoGen, CrewAI, Semantic Kernel или их аналогами Практический опыт работы с AI-автоматизацией и оркестрацией рабочих процессов Глубокое понимание LLM, встраиваний, инженерии промптов, структурированных выходных данных и вызовов функций/инструментов Опыт создания и интеграции REST API, микросервисов и серверных сервисов Знакомство с векторными базами данных (FAISS, Pinecone, Chroma, Weaviate) и проектированием RAG-конвейеров Знакомство с рабочими процессами разработки с помощью ИИ (например, Cursor, GitHub Copilot, Claude Code) для исследований, архитектуры и реализации Сильные навыки системного проектирования, отладки и решения проблем Отличные коммуникативные навыки с возможностью представления технических концепций нетехнической аудитории Опыт работы с протоколами взаимодействия агентов, такими как MCP (Model Context Protocol) и A2A Опыт проектирования решений AI-автоматизации, которые объединяют LLM с движками рабочих процессов для таких случаев использования, как интеллектуальная обработка документов, автоматизированное составление отчетов, бэкэнды чат-ботов или поддержка принятия решений с помощью ИИ Опыт работы с облачными платформами (AWS, Azure или GCP) и облачными AI-сервисами, такими как Azure AI Foundry, AWS Bedrock или Google Vertex AI
Продвинутый опыт работы с n8n (включая разработку пользовательских узлов и самостоятельное размещение) или Make (включая проектирование расширенных сценариев, итераторы и агрегаторы) Опыт работы с инструментами оценки и наблюдаемости для AI-агентов (LangSmith, OpenAI Evals, Weights & Biases или пользовательская телеметрия) Опыт работы с обучением с подкреплением, алгоритмами планирования или многоагентной координацией Знакомство с методами дообучения моделей (fine-tuning), RLHF или дистилляции Опыт работы с CI/CD конвейерами (GitHub Actions, GitLab CI, Jenkins) Опыт работы с контейнеризацией (Docker, Kubernetes) и инструментами Infrastructure-as-Code (Terraform, CloudFormation) Знание лучших практик безопасности: аутентификация, авторизация, доступ с минимальными привилегиями и аудит журналов Опыт работы в регулируемой отрасли (здравоохранение, финансы, оборона или консалтинг) Соответствующие сертификаты: AWS ML Specialty, Azure AI Engineer Associate или GCP Professional ML Engineer
