Инженер по локальным LLM и автоматизации

Компания ТИСС развивает направление AI-сервисов. Мы ищем инженера по локальным LLM и автоматизации, который поднимет и будет вести наши AI-сервера. На их основе соберёт рабочие процессы различного направления: техподдержка с базой знаний, боты, разбор звонков, сбор и обработка данных.

Это не обучение моделей. Это внедрение: железо и софт, открытые модели, пайплайны, аккуратный Python и результат, которым реально пользуются люди.

• Администрировать ИИ-сервера и стек вроде GPUStack, Ollama, Open WebUI, n8n или аналогов;

• Выбирать и настраивать открытые модели под конкретную задачу;

• Собирать сценарии в n8n или похожем инструменте — от чат-бота для клиентов до внутренних процессов;

• Сделать из Open WebUI или другого чата платформу техподдержки с RAG по нашей базе знаний;

• Настроить транскрибацию звонков и дальнейшую обработку расшифровок;

• Собрать процесс ревью кода через наш ИИ-сервер как полноценный модуль — с нормальным качеством, а не «просто спросили чат»;

• Писать парсеры и небольшие программы для сбора данных из открытых источников, затем прогонять результат через ИИ-сервера;

• уверенно чувствовали себя в Linux, Docker , CI/CD, git;

• хорошо писали на Python: рабочие скрипты и парсеры;

• понимали виды API (REST, GraphQL, вебхуки, RPC) — не глубоко каждый, но не путали одно с другим;

• умели работать с HTTP, JSON, HTML и чужим SDK по документации;

• уже собирали пайплайны в n8n или похожем инструменте;

• поднимали локальные модели (Ollama, Open WebUI, vLLM или аналоги) и понимали, какую модель когда брать;

• хотя бы раз делали RAG: чат, который отвечает по документам, а не фантазирует;

• умели довести задачу до рабочего контура самостоятельно.

Опыт работы с GPUStack или похожими системами, DataLens, Whisper, Telegram-ботами, FastAPI или Flask, SQL, векторными базами (Qdrant, PGVector и т.п.), а также опыт внедрения LLM во внутренние процессы компании.

Не подойдёт, если вы хотите обучать модели, строить ML-платформу или вам будет скучно заниматься автоматизацией и сопровождением.

• задачи, в которых AI-решения доходят до реальных пользователей и измеримого результата;

• официальное оформление и социальный пакет;

• оборудование, обучение за счет компании;

• прозрачный процесс принятия технических решений;

• 8/5 график и удаленный формат работы.