rudata.ai / Компаниям / Подбор AI/LLM-инженеров
Подбор AI/LLM-инженеров, которые доводят RAG и агентов до продакшена
Подбираем AI- и LLM-инженеров для продуктов на больших языковых моделях: RAG, AI-агенты, ассистенты, дообучение под ваш домен. Громких резюме на этом рынке много, поэтому проверяем главное: кандидат измеряет качество, считает стоимость и уже запускал LLM-систему для реальных пользователей.
- Шорт-лист за 5 дней
- Оплата по результату
- Гарантия замены 3 месяца
Когда компании нужен LLM-инженер
Чаще всего к нам приходят с одной из этих задач.
Демо впечатляет, прод — нет
Прототип красиво отвечает на десяти примерах и разваливается на реальных пользователях.
Непонятно, стало лучше или хуже
Нет системы оценки качества: после каждой правки промпта ответы проверяют вручную.
Счёт за API растёт
Стоимость и задержка растут вместе с нагрузкой. Нужны кэш, роутинг моделей или своя модель.
Данные нельзя отдавать наружу
Нужно развернуть или дообучить open-source модель внутри своего контура.
Каких AI/LLM-инженеров мы подбираем
LLM-инженеры специализируются быстро. Определим на брифе, чей опыт вам нужен.
RAG и поиск
Чанкинг, гибридный поиск, реранкинг, обновление индекса.
AI-агенты
Tool calling, оркестрация шагов, надёжность сценариев.
Дообучение моделей
Подготовка данных, SFT и LoRA, сравнение с базовой моделью.
Инференс и LLMOps
Сервинг open-source моделей, стоимость и задержка.
Middle · Senior · Lead
Как мы проверяем LLM-инженеров
Интервью проводит практикующий инженер, а не рекрутер по чек-листу. По каждому кандидату вы получаете письменный разбор: что он делает сильно, где слабее и подходит ли под вашу задачу.
- Архитектура RAG: чанкинг, ранжирование, кэш, обновление индекса
- Оценка качества: eval-наборы, LLM-as-judge, регрессионные прогоны
- Стоимость и задержка: роутинг моделей, батчинг, квантизация
- Безопасность: prompt injection, утечки данных, guardrails
- Дообучение: данные, метрики и результат против базовой модели
- RAG
- сильно
- Гибридный поиск и реранкинг в проде на 2 млн документов
- Оценка качества
- уверенно
- Собирал eval-набор, регрессионные прогоны в CI
- Стоимость инференса
- уверенно
- Считал цену запроса, перевёл часть трафика на модель дешевле
- Дообучение
- базово
- LoRA на учебных задачах, в проде не применял
Подходит для ассистента на базе знаний компании. Для своей дообученной модели нужен второй инженер.
Пример: такой разбор приходит вместе с каждым кандидатом в шорт-листе. Данные вымышлены.
Как проходит подбор LLM-инженера
Процесс одинаковый для стартапа и крупной компании, меняется только глубина брифа.
Бриф
Созвон о задаче, команде, стеке, сроках и бюджете.
Профиль роли
Фиксируем, что кандидат должен уметь и как мы это проверим.
Поиск
Лента rudata.ai, семантический поиск по профилям и прямой поиск по рынку.
Скрининг
Техническое интервью и письменный разбор по каждому кандидату.
Шорт-лист за 5 дней
Ваши интервью, обратная связь, оффер и выход на работу.
Стоимость и условия
- Оплата по результату: модель оплаты — процент от годового дохода или фиксированная сумма.
- Гарантия замены: в течение 3 месяцев, если кандидат уходит.
- Шорт-лист из 3–5 проверенных кандидатов — через 5 дней после брифа.
- Работаем с компаниями из разных стран; кандидаты работают удалённо или готовы к релокации.
- Конфиденциальность: подписываем NDA по запросу.
Напишите нам!
Опишите задачу — мы ответим и предложим время для брифа.
Удобнее написать напрямую?
Telegram @Alexander_BerdyshevВопросы о подборе AI/LLM-инженера
Сколько стоит подбор AI/LLM-инженера?
Оплата по результату: процент от годового дохода кандидата или фиксированная сумма. Если кандидат уходит в течение 3 месяцев, найдём замену.
Как быстро вы найдёте AI/LLM-инженера?
Первый шорт-лист — через 5 дней после брифа: 3–5 кандидатов, которых уже проверил инженер. Дальше всё зависит от скорости ваших интервью.
Чем LLM-инженер отличается от ML-инженера?
ML-инженер обучает свои модели и выводит их в прод. LLM-инженер чаще строит систему вокруг готовых языковых моделей — поиск, промпты, агенты, оценку качества — и дообучает модель, только когда это оправдано.
Хотим LLM-инженера с пятью годами опыта. Найдёте?
Прикладной LLM-стек появился несколько лет назад, поэтому такое требование отсекает почти всех. Ищем сильных ML- или бэкенд-инженеров, которые уже запускали LLM-продукты в продакшене, — это и есть senior на этом рынке.
Нужен ли кандидату опыт дообучения?
Большинству продуктов хватает хорошего RAG и системы оценки качества. Дообучение нужно, когда упираетесь в стоимость, задержку или требования к данным. На брифе определим, ваш ли это случай.
Нужен AI/LLM-инженер?
Расскажите о задаче — начнём с короткого брифа.