Задачи

• Разрабатывать и улучшать цепочки запросов к LLM (prompting, routing, контекст).

• Строить пайплайны обработки юридических документов: загрузка → разбиение → индексация → генерация ответа.

• Настраивать и оптимизировать RAG (векторный поиск, embeddings, релевантность выдачи).

• Работать с векторными базами (pgvector / Pinecone / Weaviate).

• Повышать качество ответов модели: эксперименты, тестирование, анализ ошибок.

• Оптимизировать скорость и стоимость работы LLM в продукте.

Технологический стек

— Backend: Node.js / NestJS
— Frontend: React / Next.js

Мы ожидаем

• Опыт разработки от 2–3 лет (backend или ML).

• Практический опыт интеграции LLM.

• Умение строить пайплайны вокруг моделей: контекст, chunking, retrieval.

• Понимание принципов RAG, векторных поисков и работы с embedding-ами.

• Умение мыслить продуктово: вы не просто вызываете модель — вы улучшаете результат.

Будет плюсом

• Опыт работы с юридическими документами или сложными текстовыми структурами.

• Опыт в построении eval-систем для LLM.

• Знание Python (для экспериментов).

• Опыт оптимизации стоимости запросов и latency.

Условия

• Удалённый формат.

• Гибкий график, минимум пересечений с командой.

• Конкурентная компенсация + опционы по результатам испытательного.

• Большое влияние на архитектуру ИИ-части продукта.

• Возможность стать core-инженером в быстрорастущем LegalTech-стартапе.