Кто мы

В Graphwise мы помогаем организациям раскрыть весь потенциал своих данных в эпоху ИИ. Образованная в результате слияния Ontotext и Semantic Web Company, Graphwise объединяет десятилетия опыта в области графов знаний, семантических технологий и ИИ. Наша платформа помогает предприятиям превращать фрагментированные данные в связанные, достоверные знания, которые способствуют принятию более обоснованных решений, улучшенному поиску и созданию более надежных решений на базе ИИ.

Имея глобальную команду из более чем 200 профессионалов в Европе, Северной Америке и Азиатско-Тихоокеанском регионе, мы решаем сложные, значимые задачи на стыке данных, ИИ и инноваций.

Если вас привлекают передовые технологии, непрерывное обучение и решение реальных проблем, вы почувствуете себя как дома в Graphwise.

О вакансии

В Graphwise мы объединяем передовые технологии семантической паутины с отраслевыми данными и глубокой экспертизой в области процессов для создания следующего поколения продуктов Graphwise GraphRAG и Graph Automation. Агентный ИИ на основе больших языковых моделей (LLM) трансформирует взаимодействие пользователей с их бизнес-приложениями, но предварительно обученные LLM имеют ограниченное понимание структурированных и неструктурированных бизнес-данных — таких как модели данных, метаданные процессов и документация — что затрудняет масштабирование использования агентов для сложных задач. Наша миссия — преодолеть эту проблему, используя графы знаний (KG) для решения проблем LLM, таких как галлюцинации, объяснимость и соответствие требованиям.

Мы ищем инженера, который сможет преодолеть разрыв между научными исследованиями и производственной инженерией ИИ. Вы будете работать на стыке графов знаний, LLM и автоматизации рабочих процессов для создания масштабируемых, объяснимых конвейеров, которые обеспечивают генерацию на основе графового поиска (graph retrieval-augmented generation), семантическое обогащение, многошаговые рассуждения и автоматизированное построение графов (онтологии, таксономии и графы знаний).

Обратите внимание, что это не позиция специалиста по данным или прикладного ИИ; вам нужен инженер, который может выпускать функции с моделью.

Что вы будете делать

• Участвовать в техническом направлении и продуктовой реализации компонуемой, мультимодальной архитектуры GraphRAG и Graph Automation, поддерживающей неструктурированные, полуструктурированные и структурированные бизнес-данные (включая код и текст).
• Преобразовывать достижения в области LLM, vLLM, мультимодального обучения и графов знаний в четкую техническую дорожную карту, согласовывая исследователей R&D и инженеров-программистов по гипотезам, прототипированию, критериям приемки и архитектурным решениям.
• Проектировать, оптимизировать и внедрять масштабируемые конвейеры приема, преобразования и обогащения данных, а также кэширования и управления состоянием.
• Интегрировать различные языковые модели — такие как модели только для кодирования, генеративные LLM только для декодирования и модели встраивания — в производство через чистые, надежные API, и создавать сложные автоматизированные рабочие процессы с использованием таких инструментов, как n8n, которые связывают продукты платформы, такие как GraphDB, Graph Modeling и Semantic Analytics.
• Поддерживать высокий технический уровень команды посредством обзоров, стандартов оценки ИИ и практического вклада, отлаживая сложные проблемы в распределенных конвейерах ИИ и данных.
• Диагностировать и устранять галлюцинации LLM, пробелы и проблемы с точностью.
• Разрабатывать надежные стратегии промпт-инжиниринга, которые балансируют качество, задержку и стоимость.
• Максимизировать эффективность LLM за счет оптимизации токенов и интеллектуального кэширования.
• Проектировать для высокой параллельности, отказоустойчивости и всесторонней наблюдаемости.
• Преуспевать в неопределенных, быстро развивающихся технических средах.
• Балансировать непосредственное тактическое исполнение с долгосрочным стратегическим видением продукта.

Наш стек

• Языки: Python, Java, Node.js
• Графы и семантика: платформа Graphwise, включая GraphDB (нашу RDF базу данных графов), и связанные продукты, такие как Graph Modeling и Semantic Analytics
• LLM и RAG: LangChain/LlamaIndex, модели встраивания и архитектуры GraphRAG
• Поиск и извлечение: Elasticsearch/OpenSearch, Lucene и различные другие коннекторы векторных хранилищ
• Потоковая передача, хранение и прием данных: S3, Kafka для данных и PostgreSQL
• Автоматизация и доставка: n8n для автоматизации рабочих процессов (центральная роль), Jenkins для CI/CD, GitLab для управления версиями, Kubernetes и Docker для развертывания, Grafana и Prometheus для наблюдаемости

Что делает кандидата хорошим

• 4+ года опыта в бэкенд-разработке, инженерии данных или разработке программного обеспечения, с глубоким знанием Python и/или Node.js; опыт работы со статически типизированными языками, такими как Java, является плюсом, но не обязателен.
• Обширный опыт работы с инструментами автоматизации рабочих процессов, такими как n8n, Haystack, LangDock, Airflow или аналогичными, и твердое понимание проектирования API и интеграции внешних сервисов в сложные потоки данных.
• Подтвержденный опыт интеграции и развертывания систем на основе LLM (Azure AI, AWS Bedrock, Google Vertex, HuggingFace и т. д.) в производственную среду, включая промпт-инжиниринг, оценку (RAGAS, LLM-as-a-judge) и создание конвейеров LLM и ETL для приема и индексации данных.
• Не менее 1 года опыта работы с передовыми системами RAG (помимо стандартных RAG) в производственной среде (не учебные пособия или демонстрации).
• Полное профессиональное владение английским языком (наш основной рабочий язык).

Примечание: Практический опыт работы с графами знаний не требуется. Если вы знаете, как выпускать функции с интеграцией LLM и заниматься инженерией данных/программного обеспечения, мы сможем быстро обучить вас работе с графами.

Желательно

• Практический опыт работы с технологиями графов (например, RDF(S), GraphDB, Apache Jena, Blazegraph или аналогичными) и графовыми встраиваниями, или профессиональный опыт интеграции графов знаний с LLM.
• Опыт MLOps, включая CI/CD для ML, отслеживание экспериментов, версионирование моделей и производственный мониторинг.
• Знакомство с мультиагентными рабочими процессами и связанными с ними шаблонами оркестрации.
• Знакомство с событийными системами (например, Kafka/Redis).
• Опыт работы с распределенными системами и облачными платформами (AWS, GCP, Azure).
• Практический опыт работы с языками схем (RDFS/OWL, SHACL, JSON Schema и т. д.).
• Вклад в соответствующие проекты с открытым исходным кодом.

Что вы получите

• Возможность работать над передовыми проектами в области ИИ, графов знаний и корпоративных данных.
• Гибкие условия работы и здоровый баланс между работой и личной жизнью.
• Конкурентоспособная компенсация и возможности бонусных выплат по результатам работы.
• Дополнительное медицинское страхование и льготы по поддержанию благосостояния.
• Сотрудничество в международной среде с коллегами из Европы, Северной Америки и Азиатско-Тихоокеанского региона.
• Доступ к учебным ресурсам, инициативам по обмену знаниями и возможностям для непрерывного профессионального роста.
• Шанс работать бок о бок с ведущими экспертами в области семантических технологий и ИИ.
• Сбор команд, корпоративные мероприятия и возможности для общения за пределами повседневной работы.