Senior LLM Inference Backend Engineer

Наша команда обеспечивает доступность нейросетей для тысяч пользователей одновременно. Мы сопровождаем и улучшаем production-платформу для хостинга LLM: ее надежность, производительность и масштабирование. Кроме того, мы создаём прикладные AI-продукты на базе LLM. Ищем опытного инженера, которому интересно работать и с платформенной частью, и с продуктовой.
Чем предстоит заниматься:
Инфраструктура и высоконагруженный инференс (Platform Engineering):
Проектирование и поддержка GPU-кластера инференса (Nvidia) для десятков тысяч пользователей: скалирование, балансировка и приоритизация запросов, пользовательские лимиты.
Оптимизация производительности: кэширование, батчинг, etc.
Надежность и observability: обеспечение SLA и предотвращение регрессий;
Оценка и внедрение новых LLM.
Продуктовая разработка (LLM Application):
Разработка AI-сервисов: AI Code Assistant (Co-Pilot), AI Chat, AI Code Review;
Проектирование пайплайнов автоматизаций: tool/function calling, обработка ошибок, управление контекстом/состоянием.
Интеграции: встраивание AI-сервисов в корпоративную среду (API, БД, legacy-системы).
Исследования и прототипирование (R&D):
Проведение экспериментов, создание MVP и выстраивание пути доведения до продакшена.
Исследование новых технологий и подходов для улучшения продуктов.
Мы ждем от будущего члена команды:
Экспертиза в Python & Backend:
Опыт разработки на Python (5+ лет), знание стандартов: typing, асинхронность, паттерны проектирования.
Опыт создания высоконагруженных API (FastAPI или аналоги), работа с очередями, воркерами и фоновыми задачами.
Архитектура и надежность (Production):
Опыт построения gateway/router, управление ключами, маршрутизация, пользовательские лимиты.
Опыт поддержки высоконагруженных сервисов в продакшене: стабильность контрактов, обработка ошибок.
Глубокие знания LLM & Inference:
Опыт работы с инструментами инференса (vLLM, SGLang, OpenAI API), понимание их внутренней работы.
Опыт настройки инференса под highload: latency/throughput, управление GPU-ресурсами.
Опыт построения решений с tool/function calling: MCP, guardrails, борьба с галлюцинациями.
Дополнительно приветствуем:
Насмотренность в применении AI агентов, мультиагентных систем, оркестрации инструментов.
Понимание основных метрик качества LLM решений, опыт проведения A/B-тестов и офлайн-оценки: eval-сеты, human eval, etc.
Опыт Lua-разработки.
Опыт разработки и интеграции MCP.