Разработчик прикладных AI‑решений для обучения и развития

Мы ищем специалиста, который будет работать с прикладными AI‑решениями для обучения и внутренних процессов команды: собирать, запускать и поддерживать роботов, агентов, скилы и интеграции.
Основная работа строится на базе готовых моделей, агентских сред и существующих интеграций. Вам не придётся обучать модели с нуля, создавать AI‑платформу или писать крупные backend‑сервисы.

У роли два контура:
• внешний — разработка продуктов обучения и развития для яндексоидов;
• внутренний — создание AI‑инструментов для команды L&D HQ.

Продуктовые приоритеты и критерии успеха определяет руководитель направления. Ваши задачи — технически реализовывать задуманное: предлагать варианты решений, объяснять ограничения, собирать пилотные версии, проверять качество работы и обеспечивать поддержку готовых решений.

Вам предстоит работать со следующими инструментами:
• внутренние агентские среды на базе современных решений: Claude Code, Codex и опенсорс-моделей;
• готовые инструменты и сервисы для запуска агентов, скилов, RAG и evals;
• SkillStore и MCPStore — чтобы искать, устанавливать и обновлять готовые скилы и MCP‑интеграции;
• Python — для небольших доработок, скриптов и автоматизаций;
• Git и Arcadia — для хранения решений и совместной работы над ними;
• Wiki, Tracker, Квант и другие LMS и сервисы Яндекса — через существующие коннекторы;
• YT и SQL — чтобы получать и готовить данные;
• ABC — для работы с ресурсами, сервисными аккаунтами и правами доступа;
• Monium и средства платформы — для логов, мониторинга и алертов;
• DataLens — чтобы просматривать аналитику по пилотным проектам;
• Obsidian и другие инструменты работы с базами знаний — при необходимости.

Знать внутренние инструменты Яндекса заранее необязательно. Главное — иметь опыт работы с аналогичными инженерными инструментами и уметь быстро осваивать новую среду.

Это временная роль: предлагаем вам занятость на один год.

Что предстоит делать:
Разработка агентов и скилов

Вы будете создавать новые решения с нуля, дорабатывать существующие и адаптировать внешние скилы под внутреннюю среду. Вам предстоит превращать пользовательские сценарии в агентов и скилы, самостоятельно разрабатывать их на базе готовых моделей и инструментов, искать и оценивать уже имеющиеся скилы — как внутренние, так и внешние. Нужно будет настраивать системные инструкции, промпты и инструменты агентов, определять схемы их вызова и последовательность действий, подключать внутренние коннекторы и источники знаний. При необходимости — разрабатывать или дорабатывать небольшие Python‑компоненты. Также в ваши задачи войдёт настройка безопасной записи в Wiki, Tracker, Квант и другие системы (с подтверждением пользователя, проверкой результата и возможностью восстановить изменения), подготовка тестовых сценариев, проверка решений перед публикацией и их поддержка после запуска.

Интеграция знаний с AI

Вы будете создавать и поддерживать контур знаний для AI‑инструментов — агентов, скилов и других решений, чтобы они работали с актуальной внутренней информацией, а не только с общими знаниями модели. Для этого нужно определять необходимые источники данных для разных пользовательских сценариев, настраивать с помощью готовых компонентов извлечение, подготовку, индексацию и регулярное обновление данных. Также предстоит конфигурировать поиск, цитирование источников, метаданные и фильтрацию по правам доступа. Важно следить, чтобы изменения и удаления в исходных материалах отражались в базе знаний, и выявлять случаи, когда решение не находит нужный материал или использует неподходящий источник.

Развитие AI‑инфраструктуры

Вы будете участвовать в развитии среды для AI‑решений — безопасной площадки, где можно размещать, запускать и совместно использовать агентов, скилы, базы знаний и другие AI‑инструменты. Среда включает ABC‑сервис, облачные ресурсы, виртуальные машины и общий харнес для AI‑решений. Вам предстоит выявлять инфраструктурные потребности при работе с AI‑решениями, превращать их в технические требования и описывать о