Python-разработчик AI-сервисов (LLM / RAG)

QSOFT нанимает Middle Python-разработчика для AI-сервисов (LLM/RAG), полная занятость, возможна удаленная работа, с фокусом на FastAPI, семантический поиск и агентные сценарии.

Разработка HTTP API и бизнес-логики двух асинхронных Python-сервисов на FastAPI. Проектирование и реализация RAG-пайплайнов: поиск, переписывание запросов, многошаговый поиск, сбор контекста, структурированный вывод, цитирование источников и обработка частичных ответов. Разработка агентных сценариев на LangChain, LangGraph и deepagents: инструменты, промежуточное ПО, ограничения вызовов, защита от циклов и контроль контракта ответов. Улучшение качества семантического поиска: разбиение на чанки, плотный/разреженный поиск, фильтры Qdrant, реранкинг, RRF и бюджет токенов. Разработка событийно-ориентированной индексации статей, файлов и структурированного контента через Kafka. Обеспечение корректной мультитенантности и фильтрации результатов по правам пользователей, групп и сообществ. Интеграция и замена провайдеров LLM, эмбеддингов и реранкинга, включая OpenAI-совместимые API, vLLM и Ollama. Работа с PostgreSQL, Redis и Qdrant, проектирование моделей данных и миграций Alembic. Диагностика проблем качества, производительности и надежности на границах внешних сервисов. Разработка автоматизированных тестов и gate-проверок качества, поддержка воспроизводимых локальных и CI-окружений. Улучшение наблюдаемости: структурированные логи, технические метрики, OpenTelemetry и трассировка LLM/RAG через Langfuse. Участие в декомпозиции задач, ревью кода и архитектурных решениях.

Уверенное знание Python и практический опыт backend-разработки. Хорошее понимание асинхронного программирования: event loop, конкурентный ввод-вывод, таймауты, отмена, управление ресурсами и корректное завершение. Опыт работы с FastAPI или аналогичным Python-фреймворком. Практический опыт с PostgreSQL и SQLAlchemy: транзакции, конкурентность, индексы, миграции и диагностика запросов. Опыт интеграции внешних сервисов и проектирования устойчивых взаимодействий: retry/backoff, таймауты, идемпотентность, ограничение конкурентности и обработка частичных сбоев. Понимание событийно-ориентированной архитектуры и семантики Kafka consumer: группы потребителей, commit offset, ребалансировка, повторная доставка и идемпотентная обработка. Понимание RAG: разбиение на чанки, эмбеддинги, поиск, реранкинг, контекстное окно, ограничения LLM и снижение галлюцинаций. Умение писать модульные и интеграционные тесты для асинхронного кода, отделяя бизнес-логику от внешней инфраструктуры. Способность ориентироваться в существующем коде, находить корневые причины и предлагать минимальные, тестируемые изменения.

Полная занятость. Возможна удаленная работа. Возможность работать над AI-сервисами.