Разработчик на Gо в ML Backend (B2C)

Мы делаем B2C‑фичи Яндекс Браузера на основе ML и LLM — заметные для миллионов пользователей, с жёсткими требованиями к качеству, задержкам и надёжности. Ищем старшего бэкенд‑разработчика на Go, который будет проектировать и развивать сервисы вокруг ML‑моделей, строить пайплайны, интегрироваться с другими сервисами и запускать классные фичи в прод.

Наша команда также развивает Шедеврум и недавно запустила оживление фото в Алисе. У нас сильная экспертиза в построении бэкендов вокруг ML‑моделей — одном из самых актуальных направлений разработки.

[[slider]]

Какие задачи вас ждут

Разработка нейрофич Браузера
Недавно мы запустили одну из таких нейрофич — «Вопросы к странице». Сервис работает в режиме split view в Браузере, помогает отвечать на вопросы пользователя на основе контента страницы. На бэкенде этого сервиса написан пайплайн работы с LLM, интегрирован RAG, разработана логика модерации контента и создан аккуратный механизм формирования запроса и ответа. Сейчас готовим ещё несколько ML-проектов. В будущем их станет только больше, и мы ищем коллегу, который готов участвовать в разработке.

Поднятие браузеров в облаке для агентских сценариев
Сейчас стали популярны агенты, которые могут выполнять действия вместо пользователя. При этом — необязательно с открытым браузером. Поэтому важно уметь поднимать браузер в облаке и взаимодействовать с ним. Для этого мы решаем задачу оркестрации облачных браузеров (жизненный цикл, автоскейлинг, изоляция сессий, безопасность).

Улучшение технической платформы
Небольшой, но регулярной частью работы станут дежурства и задачи по развитию уже существующих сервисов, а также код-ревью. Мы последовательно повышаем стабильность и производительность продакшен‑сервисов, улучшаем наблюдаемость и качество процессов.

Мы ждем, что вы

• Отлично владеете Go
• Активно разрабатываете как IC
• Умеете проектировать сервисы и принимать технические решения
• Готовы брать на себя проекты и отвечать за результат

Будет плюсом, если вы

• Разрабатывали проекты на основе LLM и RAG
• Обеспечивали надёжность сервиса