Python-разработчик AI-сервисов (LLM / RAG) в QSOFT удалённо

Python-разработчик в QSOFT для развития AI-сервисов на LLM/RAG: асинхронные сервисы на FastAPI, RAG-пайплайны, агентные сценарии и семантический поиск.

Задачи:

• Развивать HTTP API и бизнес-логику двух асинхронных Python-сервисов на FastAPI
• Проектировать и реализовывать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов
• Развивать агентные сценарии на LangChain, LangGraph и deepagents: инструменты, middleware, ограничения числа вызовов, защита от циклов и контроль контрактов ответа
• Улучшать качество семантического поиска: chunking, dense/sparse retrieval, фильтры Qdrant, reranking, RRF и token budget
• Развивать событийную индексацию статей, файлов и структурированного контента через Kafka
• Обеспечивать корректную мультитенантность и фильтрацию результатов по правам пользователей, групп и сообществ
• Интегрировать и заменять LLM-, embedding- и reranking-провайдеры, включая OpenAI-compatible API, vLLM и Ollama
• Работать с PostgreSQL, Redis и Qdrant, проектировать модели данных и Alembic-миграции
• Диагностировать проблемы качества, производительности и надежности на границах внешних сервисов
• Развивать автоматические тесты и quality gates, поддерживать воспроизводимые локальные и CI-окружения
• Улучшать наблюдаемость: структурированные логи, технические метрики, OpenTelemetry и трассировку LLM/RAG через Langfuse
• Участвовать в декомпозиции задач, ревью кода и принятии архитектурных решений

Требования:

• Уверенное владение Python и практический опыт разработки backend-сервисов
• Хорошее понимание асинхронного программирования: event loop, конкурентный I/O, таймауты, отмена, управление ресурсами и graceful shutdown
• Опыт разработки API на FastAPI или сопоставимом Python-фреймворке
• Практический опыт с PostgreSQL и SQLAlchemy: транзакции, конкурентный доступ, индексы, миграции и диагностика запросов
• Опыт интеграции внешних сервисов и проектирования устойчивого взаимодействия: retry/backoff, timeout, idempotency, ограничение параллелизма и обработка частичных отказов
• Понимание событийной архитектуры и семантики Kafka consumer: consumer groups, offset commit, rebalance, повторная доставка и идемпотентная обработка
• Понимание устройства RAG: chunking, embeddings, retrieval, reranking, контекстное окно, ограничения LLM и способы снижения галлюцинаций
• Умение писать unit- и интеграционные тесты для асинхронного кода, отделяя бизнес-логику от внешней инфраструктуры
• Способность разбираться в существующей кодовой базе, находить причины проблем и предлагать минимальные, проверяемые изменения

Условия:

• Полная занятость
• Формат работы: можно удалённо

Навыки:

• Python
• FastAPI
• Pydantic
• SQLAlchemy
• Alembic
• PostgreSQL
• Redis
• Apache Kafka
• aiokafka
• Qdrant
• LangChain
• LangGraph
• deepagents
• OpenAI-compatible API
• vLLM
• Ollama
• Pytest
• pytest-asyncio
• mypy
• Black
• Flake8
• Docker
• Docker Compose
• Kubernetes
• GitLab CI
• Langfuse
• OpenTelemetry
• RAG
• embeddings
• reranking
• RRF