Разработчик прикладных AI‑решений для обучения и развития

Мы ищем специалиста, который будет работать с прикладными AI‑решениями для обучения и внутренних процессов команды: собирать, запускать и поддерживать роботов, агентов, скилы и интеграции.
Основная работа строится на базе готовых моделей, агентских сред и существующих интеграций. Вам не придётся обучать модели с нуля, создавать AI‑платформу или писать крупные backend‑сервисы.

У роли два контура:
- внешний — разработка продуктов обучения и развития для яндексоидов;
- внутренний — создание AI‑инструментов для команды L&D HQ.

Продуктовые приоритеты и критерии успеха определяет руководитель направления. Ваши задачи — технически реализовывать задуманное: предлагать варианты решений, объяснять ограничения, собирать пилотные версии, проверять качество работы и обеспечивать поддержку готовых решений.

Вам предстоит работать со следующими инструментами:
- внутренние агентские среды на базе современных решений: Claude Code, Codex и опенсорс-моделей;
- готовые инструменты и сервисы для запуска агентов, скилов, RAG и evals;
- SkillStore и MCPStore — чтобы искать, устанавливать и обновлять готовые скилы и MCP‑интеграции;
- Python — для небольших доработок, скриптов и автоматизаций;
- Git и Arcadia — для хранения решений и совместной работы над ними;
- Wiki, Tracker, Квант и другие LMS и сервисы Яндекса — через существующие коннекторы;
- YT и SQL — чтобы получать и готовить данные;
- ABC — для работы с ресурсами, сервисными аккаунтами и правами доступа;
- Monium и средства платформы — для логов, мониторинга и алертов;
- DataLens — чтобы просматривать аналитику по пилотным проектам;
- Obsidian и другие инструменты работы с базами знаний — при необходимости.

Знать внутренние инструменты Яндекса заранее необязательно. Главное — иметь опыт работы с аналогичными инженерными инструментами и уметь быстро осваивать новую среду.

Это временная роль: предлагаем вам занятость на один год.

Какие задачи вас ждут:
Разработка агентов и скилов

Вы будете создавать новые решения с нуля, дорабатывать существующие и адаптировать внешние скилы под внутреннюю среду. Вам предстоит превращать пользовательские сценарии в агентов и скилы, самостоятельно разрабатывать их на базе готовых моделей и инструментов, искать и оценивать уже имеющиеся скилы — как внутренние, так и внешние. Нужно будет настраивать системные инструкции, промпты и инструменты агентов, определять схемы их вызова и последовательность действий, подключать внутренние коннекторы и источники знаний. При необходимости — разрабатывать или дорабатывать небольшие Python‑компоненты. Также в ваши задачи войдёт настройка безопасной записи в Wiki, Tracker, Квант и другие системы (с подтверждением пользователя, проверкой результата и возможностью восстановить изменения), подготовка тестовых сценариев, проверка решений перед публикацией и их поддержка после запуска.

Интеграция знаний с AI

Вы будете создавать и поддерживать контур знаний для AI‑инструментов — агентов, скилов и других решений, чтобы они работали с актуальной внутренней информацией, а не только с общими знаниями модели. Для этого нужно определять необходимые источники данных для разных пользовательских сценариев, настраивать с помощью готовых компонентов извлечение, подготовку, индексацию и регулярное обновление данных. Также предстоит конфигурировать поиск, цитирование источников, метаданные и фильтрацию по правам доступа. Важно следить, чтобы изменения и удаления в исходных материалах отражались в базе знаний, и выявлять случаи, когда решение не находит нужный материал или использует неподходящий источник.

Развитие AI‑инфраструктуры

Вы будете участвовать в развитии среды для AI‑решений — безопасной площадки, где можно размещать, запускать и совместно использовать агентов, скилы, базы знаний и другие AI‑инструменты. Среда включает ABC‑сервис, облачные ресурсы, виртуальные машины и общий харнес для AI‑решений. Вам предстоит выявлять инфраструктурные потребности при работе с AI‑решениями, превращать их в технические требования и описывать ограничения. Нужно будет готовить для руководителя варианты реализации, анализировать риски и формулировать вопросы к профильным командам. Вы будете настраивать ресурсы, сервисные аккаунты и права в рамках существующей инфраструктуры, проверять и принимать новые возможности среды. При необходимости — разрабатывать небольшие недостающие компоненты в пределах своего решения. Также в ваши задачи войдёт поддержка запущенных решений: диагностика платформенных проблем и передача их владельцам инфраструктуры, а ещё — документирование настроек и порядка эксплуатации. При этом архитектурные решения по общей платформе и договорённости с инфраструктурными командами — это совместная ответственность руководителя и профильных специалистов.

Поддержка решений

Вы будете публиковать решения в существующей агентской среде, настраивать ресурсы, сервисные аккаунты и права доступа, работать с логами, трассировкой и средствами мониторинга, диагностировать сбои, перезапускать и откатывать свои решения, передавать профильным командам платформенные проблемы с чётким техническим описанием, а также документировать решения и готовить инструкции для подменяющего сотрудника.

Мы ждем, что вы:
- Запускали прикладное AI‑решение для реальных пользователей и можете рассказать, как проверяли его качество и дорабатывали после запуска
- Собираете агентские сценарии на базе готовых моделей и платформ: настраиваете инструкции, инструменты, последовательность действий, подтверждения и обработку ошибок
- Самостоятельно создаёте и адаптируете скилы, включая небольшие изменения кода
- Понимаете прикладные основы RAG: подготовку и разбиение материалов, индексацию, метаданные, поиск, цитирование и фильтрацию по правам доступа
- Превращаете пользовательские сценарии и примеры хороших ответов в тестовый набор и применяете готовую eval‑инфраструктуру
- Владеете Python на уровне небольших скриптов, автоматизаций и доработки существующего кода
- Работаете с Git, командной строкой и базовыми Linux‑инструментами
- Понимаете принципы работы API, авторизации и готовых коннекторов
- Владеете базовым SQL и работаете с табличными данными
- Читаете логи, локализуете ошибку, публикуете и откатываете изменения

Будет плюсом:
- Работали с продвинутыми RAG‑решениями и поисковыми системами: настраивали retrieval, reranking и векторный поиск
- Работали с подготовкой и индексацией видео, аудио, PDF, презентаций и других сложных форматов
- Занимались проектированием evals и регрессионного тестирования LLM‑систем
- Имеете опыт работы с корпоративными правами доступа и чувствительными данными
- Знакомы с YT, Arcadia, ABC, Monium и другими внутренними инструментами Яндекса