Вакансия Старший бэкенд-разработчик в команду Quality
УдаленноПолная занятость
ЗП обсуждается на собеседовании
В компанию Авито
Описание вакансии
Мы — кластер Quality в технической платформе Авито. Наша команда реализует внутренние продукты, которые уменьшают количество сбоев в продакшене и минимизируют рутину разработчиков. Мы отвечаем за весь цикл разработки после написания кода — от генерации тестов до мониторинга релиза и починки.
Задачи
– построить единую платформу для работы AI-агентов в рамках кластера — от концепции до внедрения;
– разработать инструменты наблюдаемости, оценки качества и проводить исследования, чтобы понимать, какие подходы, фреймворки и технологии работают в реальных сценариях;
– внедрять архитектурные решения для ключевых инициатив в области GenAI, обеспечивая масштабируемость, надёжность и эффективность.
Требования
– обладаете опытом разработки на Python/Go;
– глубоко понимаете ограничения LLM: контекстные окна, галлюцинации, задержки и стоимость — и умеете проектировать решения с учётом этих факторов;
– имеете опыт построения RAG-пайплайнов на realtime данных;
– разбираетесь в архитектурных выборах: когда использовать harness, а когда — framework (Claude Code, Dify, n8n и др.), и как правильно подбирать модель под задачу;
– умеете считать token economics: оптимизировать маршрутизацию моделей, кешировать промпты, оценивать ROI on-prem решений;
– проводите бенчмаркинг AI-агентов с помощью precision/recall, LLM-as-judge и A/B-тестов на production-данных;
– автономно ведёте квартальные проекты «под ключ» — от постановки цели до сдачи результата.
🌐 Откликнуться
УдаленноПолная занятость
ЗП обсуждается на собеседовании
В компанию Авито
Описание вакансии
Мы — кластер Quality в технической платформе Авито. Наша команда реализует внутренние продукты, которые уменьшают количество сбоев в продакшене и минимизируют рутину разработчиков. Мы отвечаем за весь цикл разработки после написания кода — от генерации тестов до мониторинга релиза и починки.
Задачи
– построить единую платформу для работы AI-агентов в рамках кластера — от концепции до внедрения;
– разработать инструменты наблюдаемости, оценки качества и проводить исследования, чтобы понимать, какие подходы, фреймворки и технологии работают в реальных сценариях;
– внедрять архитектурные решения для ключевых инициатив в области GenAI, обеспечивая масштабируемость, надёжность и эффективность.
Требования
– обладаете опытом разработки на Python/Go;
– глубоко понимаете ограничения LLM: контекстные окна, галлюцинации, задержки и стоимость — и умеете проектировать решения с учётом этих факторов;
– имеете опыт построения RAG-пайплайнов на realtime данных;
– разбираетесь в архитектурных выборах: когда использовать harness, а когда — framework (Claude Code, Dify, n8n и др.), и как правильно подбирать модель под задачу;
– умеете считать token economics: оптимизировать маршрутизацию моделей, кешировать промпты, оценивать ROI on-prem решений;
– проводите бенчмаркинг AI-агентов с помощью precision/recall, LLM-as-judge и A/B-тестов на production-данных;
– автономно ведёте квартальные проекты «под ключ» — от постановки цели до сдачи результата.
🌐 Откликнуться