Просмотр вакансии

Аккредитованная компания “АЦТС”, являющаяся дочерней IT структурой «Про.Потолок», ищет в команду Senior LLM Engineer / AI Engineer, который поможет построить AI-ядро нашей экосистемыt: AI-агента для строительства, RAG по нормативам и проектной документации, интеллектуальный поиск, анализ документов, генерацию управленческих выводов и интеграцию LLM в реальные продуктовые сценарии.

Мы создаем будущее строительной индустрии и ищем специалиста, который поможет нам реализовать наши амбициозные планы.

Что мы предлагаем?

• Удаленный или гибридный формат работы.

• Участие в уникальном проекте – цифровая платформа для строительной отрасли.

• Стабильный и прозрачный доход – 300 000 руб. - 400 000 руб. по результатам собеседования. Зависит от вашего опыта.

• Профессиональное развитие – работа с новейшими технологиями, сильной командой и участие в крупных проектах.

LLM, RAG, AI Agents, Document Intelligence

Главная задача роли

Построить прикладной AI-контур для строительной платформы:

Нам нужен человек, который умеет делать не демо-чатбота, а production-ready AI-систему для сложной предметной области.

Что предстоит делать

1. Разрабатывать AI-агентов, которые помогают разным ролям в строительстве:

• руководству;

• ПТО;

• прорабам;

• техническому заказчику;

• подрядчикам;

• службе контроля;

• финансовому блоку.

2. Проектировать и развивать RAG-архитектуру:

• загрузка и обработка документов;

• chunking с учетом структуры документа;

• embeddings;

• vector search;

• hybrid search;

• reranking;

• фильтрация по метаданным;

• цитирование источников;

• контроль галлюцинаций;

• оценка качества ответов;

• версионирование документов;

• работа с правами доступа к данным.

3. Document Intelligence - разрабатывать пайплайны для извлечения структурированной информации из строительных документов.

4. Интеграция LLM в продуктовые сценарии - AI должен быть встроен в реальные рабочие процессы.

5. Multi-model LLM architecture - Проектирование гибкой multi-model LLM-архитектуры без зависимости от одного поставщика, с возможностью выбора оптимальной модели под конкретный сценарий: поиск, анализ документов, извлечение данных, суммаризация или генерация ответа.

Обязательные требования к кандидату

• Профильное образование

• Более 5-ти лет подтвержденного опыта с open-source LLM и построения RAG-систем.

• Python (дополнительное знание C++ будет преимуществом)

• Prompt engineering.

• Structured output.

• Function calling / tool use.

• AI agents.

• Опыт с hybrid search.

• Embeddings.

• Vector search.

• Понимание evaluation и контроля галлюцинаций.

• Опыт с reranking-моделями.

• Vector DB: Qdrant, Weaviate, Milvus, Pinecone или аналоги.

• Опыт с локальным inference: vLLM, Ollama, llama.cpp, SGLang или аналоги.

• LangChain, LlamaIndex, Haystack или аналогичные инструменты.

• MLflow, Weights & Biases, LangSmith или аналоги.

• Transformers / Hugging Face.

• FastAPI, PostgreSQL., Docker, Kubernetes, Kafka, Git.

• Опыт вывода AI/LLM-решений в production.

• Понимание evaluation: качество поиска, качество ответа, галлюцинации, полнота, точность, воспроизводимость.

• Умение работать с backend-командой и продуктовой командой.

Будет преимуществом:

• Опыт с PDF, Excel, Word и технической документацией.

• Опыт с OCR как частью document intelligence

• Понимание enterprise software.

• Опыт в construction tech, proptech, ERP, документообороте, промышленном ПО или сложных B2B-системах.

Какой человек нам НЕ подойдет:

• умеет только писать промпты;

• делает красивые демо, но не умеет доводить решения до production;

• работает только в ноутбуках;

• не умеет проектировать архитектуру;

• не понимает важность качества поиска и проверки источников;

• не готов погружаться в сложную строительную предметную область;

• хочет заниматься только research без связи с продуктом.

Какой инженер нам нужен:

• умеет строить AI-системы end-to-end;

• понимает, как устроены LLM, RAG, embeddings и agents;

• умеет проектировать гибкую multi-model архитектуру;

• способен сам предложить, где AI даст максимальный эффект в продукте;

• умеет работать с неидеальными документами и сложными данными;

• понимает, что в B2B/enterprise AI должен быть проверяемым и надежным;

• хочет стать ключевым AI-инженером в продукте на ранней стадии.