A complete application in a minute
Tailored resume and cover letter, ready to send.
Операционное совершенство ищет технического руководителя продукта и команды из трёх инженеров. Вы отвечаете за архитектуру, качество и стоимость агентов в продакшене, план работ и найм. Вы сами пишете ключевые компоненты и ревьюите код команды.
Задачи включают развитие ядра платформы на Python, управление бюджетами и интеграцию с внешними системами. Требуется опыт Python в продакшене, знания Go, работы с LLM‑агентами, архитектурное мышление и умение управлять командой по гибридной/удаленной
Описание: Операционное совершенство – IT-компания, которая занимается разработкой, внедрением и сопровождением IT-продуктов для горнодобывающей отрасли, а также оказывает услуги по диспетчеризации производства на основе собственных IT-продуктов. Ищем технического руководителя продукта и команды из трёх инженеров. Отвечаете за архитектуру, качество и стоимость агентов в продакшене, план работ и найм. Ключевые компоненты пишете сами и ревьюите код команды.
Ядро платформы на Python: сессии, ходы агента, политики заказчика, учёт; агентный цикл под бюджет хода. Перевод пользователей с пилотной архитектуры на целевую без остановки работы. Снижение стоимости хода: состав входа, кэш префикса, лимиты инструментов, роутинг моделей, учёт по пользователю и ходу. Оценка качества: эталон из реальных трасс, сравнение российских моделей, регресс на каждый промпт, инструмент, модель. Данные компании через MCP с правами пользователя: 1С, КХД, СЭД, HR, поиск по документам с ACL. Надёжные фоновые процедуры и запись во внешние системы: расписания, подтверждение человеком, ровно одна запись. Песочница для кода агента: на сессию, без секретов и исходящих соединений. Команда: декомпозиция, ревью, работа с ИИ-агентами для кода, найм. Согласование требований и ИБ с заказчиком.
Backend от 7 лет, из них от 2 лет — техлид/ведущий инженер, ответственность за продакшн. Python в продакшене: asyncio, FastAPI, Pydantic, типизация, тесты. Go — читать и править. LLM-агенты в продакшене с реальными пользователями: tool calling, цикл агента, ограничения, обработка ошибок. Понимание контекста и стоимости: вход вызова, кэш префикса, сжатие истории, лимиты инструментов, расчёт цены хода по usage. Eval: эталонные наборы, LLM-судья и его проверка, регресс, трассировка (Langfuse, OpenTelemetry). Гибридный поиск, реранкинг, чанкинг, права доступа к документам. MCP, OAuth 2.0/OIDC, token exchange — агент от имени пользователя. Durable execution (Temporal, Restate или аналог), идемпотентность, повторы. PostgreSQL, Redis, S3, Docker, Kubernetes, GitLab CI. Открытые модели через OpenAI-совместимые API, LiteLLM или аналог. Высшее техническое образование.