системный аналитик RAG и агентных решений

Команда AI-разработки развивает RAG- и агентные решения с использованием векторного и графового поиска.

• Собирать и формализовать требования к RAG-функциональности, AI-агентам и гибридным пайплайнам
• Проектировать логику RAG-пайплайнов: чанкинг, эмбеддинги, гибридный поиск, постобработку и вызов инструментов через MCP
• Декомпозировать бизнес-задачи в функциональные и нефункциональные требования для RAG- и агентных сценариев
• Проектировать схемы данных для графовых баз данных и оптимизировать retrieval-запросы
• Проектировать интеграции REST/gRPC, очереди и API LLM
• Документировать архитектуру, API-контракты, MCP-ресурсы и схемы данных
• Разрабатывать тестовые сценарии и метрики качества AI-решений
• Организовывать и анализировать эксперименты: сравнивать модели, чанкинг, поисковые и графовые схемы
• Оценивать стоимость и производительность решений: задержки, токены, объём данных и сложность обхода графов
• Мониторить качество решений в production и анализировать инциденты
• Инициировать улучшения на основе результатов экспериментов и анализа качества
• Описывать процессы, интеграции и агентные сценарии в BPMN/UML
• Взаимодействовать с бизнесом, ML-инженерами и разработчиками
• Самостоятельно вести задачи и презентовать решения заинтересованным сторонам
• Отслеживать новые подходы в области MCP, мультиагентных систем и GraphRAG и оценивать их применимость

• Высшее техническое образование
• Опыт работы системным аналитиком от 3 лет
• Опыт от 1 года в проектах с ML/NLP, поисковыми системами, семантическими графами или RAG
• Глубокое понимание архитектуры RAG: извлечения данных, генерации, векторного поиска и оценки качества
• Понимание MCP и принципов организации доступа LLM к инструментам и источникам данных
• Опыт полного цикла: от сбора требований до сопровождения продукта в production
• Опыт работы с SQL и профилированием данных
• Понимание пригодности данных для задач поиска и работы с графовыми структурами
• Опыт проектирования интеграций REST/gRPC, очередей и API LLM
• Опыт работы с векторными базами данных: Qdrant, Pinecone, Weaviate или аналогами
• Опыт работы с графовыми базами данных: NebulaGraph, Neo4j или аналогами
• Понимание проектирования схем графовых баз данных и написания запросов nGQL/Cypher
• Понимание принципов построения агентных систем: Agentic RAG, планировщики, память, вызов инструментов
• Опыт формализации агентных сценариев с использованием BPMN/UML
• Владение BPMN/UML для описания процессов, интеграций и сценариев агентов
• Понимание метрик качества поиска и генерации: precision@k, MRR, coverage и другие

• Оформление по ТК РФ или ИП
• Предоставляют технику
• ДМС со стоматологией
• Компенсация фитнеса
• Скидки на обучение и кино
• Индексация зарплаты