Обязанности
- Разработка и доработка LLM-агента: промптинг, стратегии работы с контекстом, логика ветвления и многошаговых сценариев.
- Интеграция новых источников данных в пайплайн агента (схемы, валидации, протягивание в контекст).
- Сборка и разметка golden-датасетов для оценки качества ответов; регрессионные проверки.
- Проектирование архитектуры многошаговых LLM-вызовов (tool use / retrieval / пост-обработка).
- Написание тестов, отладка промптов и сценариев.
Требования
- Обязательно — студент, текущее обучение на очной форме в ВУЗе (бакалавриат или магистратура), техническая специальность.
- Python — уверенное владение, ООП; аккуратный, читаемый код.
- Git + базовая инженерная дисциплина (ветки, PR, ревью).
- Понимание принципов работы LLM на практике (контекст/токены, параметры генерации, типовые ошибки и как их снижать).
- Опыт RAG (end-to-end): chunking, embeddings, векторный поиск, сбор контекста и генерация ответа; базовая оценка качества retrieval/ответов.
- Опыт работы с данными: pandas и/или SQL, REST API (понимание клиент-серверного взаимодействия).
- GitHub обязателен: ссылка в отклике; наличие пет-проектов с кодом, готовность разбираться в бизнес-логике, а не только в коде.