О компании
Мы создаём технологическую платформу в домене legaltech, ориентированную на глубокую автоматизацию анализа юридических документов и судебной информации. Продукт находится на раннем этапе, и архитектура системы — от backend-слоёв до LLM-агентов и документных пайплайнов — формируется с нуля.
Мы строим инженерный стек уровня research-grade: сложные пайплайны обработки данных, LLM-agents, RAG-системы, orchestration logic и экспериментальные модули для документных корпусов.
Чем предстоит заниматься
Проектировать и создавать LLM-агентов, multi-agent pipelines, инструменты с tool-framework’ами и сложной оркестрацией действий.
Строить прикладные копилоты и сервисы поверх agent-based систем для автоматизации сложных аналитических процессов (в т.ч. юридических).
Разрабатывать backend-сервисы на Python/FastAPI c низкой латентностью, чистой архитектурой и продакшн-надёжностью.
Исследовать и проверять новые подходы в области NLP, LLM, retrieval-пайплайнов и мультиагентных систем; быстро формировать экспериментальные гипотезы и проверять их.
Проводить applied-research: чтение и разбор научных статей, адаптация state-of-the-art методов на реальных данных.
Создавать MVP решений, прототипы, evaluation pipelines для систем на основе LLM/agents.
Интегрировать сложные API внешних источников данных, выстраивать высоконадежные пайплайны.
Работать с PostgreSQL, Redis, очередями, кэшированием, асинхронными конвейерами и pipeline-архитектурой.
Контейнеризация и DevOps-компоненты (Docker, CI/CD), участие в инфраструктуре ML/LLM-сервисов.
Брать ownership отдельных модулей и зон ответственности, от дизайна до внедрения и мониторинга.
Требования
Сильный Python: асинхронность, чистая архитектура, typing, инженерная дисциплина.
Уверенный ML/NLP-бэкграунд, опыт прикладных решений (не только моделирование, но и пайплайны, отладка, продакшн).
Практический опыт создания LLM-агентов: инструментальные цепочки, tool-calling, RAG, memory, orchestrators.
LangChain/LangGraph: chains, agents, multi-agent coordination, tool-frameworks, agent-interaction-logic.
Уверенная работа с БД: PostgreSQL, индексация, оптимизация запросов, транзакционные модели.
Разработка backend-сервисов: FastAPI, API-контракты, обработка больших потоков данных.
Docker и базовый DevOps: контейнеризация, сборка ML-/LLM-сервисов, деплой.
Умение проектировать поддерживаемый код и системно мыслить: модульность, интерфейсы, инварианты.
Опыт прототипирования и быстрой сборки MVP (модели + сервисная логика).
Понимание устройства больших языковых моделей: токенизация, контекстные ограничения, степи генерации, поведение на длинных документах.
Будет плюсом
Выпускники МФТИ, МИФИ, ВШЭ, ИТМО.
Продакшн-опыт в ML/LLM-инфраструктуре.
Опыт работы в стартапах или ownership технических модулей.
Навыки построения evaluation-framework’ов для LLM/агентов.
Опыт в retrieval-архитектурах (vector DBs, hybrid search, dense retrievers).
Знание инструментов распределённых пайплайнов: Celery/RQ/Arq, event-driven механика.
Мы предлагаем
Редкую возможность строить систему с нуля: архитектура, пайплайны, эксперименты, стандарты качества.
Инженерные задачи уровня deep-tech: сложная обработка документов, мультиагентные системы, нестандартные API и большие юридические корпуса.
Возможность влиять на технологическую траекторию продукта и проводить прикладные исследования, которые сразу ложатся в продакшн.
Быстрый цикл решений, отсутствие бюрократии, высокий технический стандарт.
