Запрошуємо до команди Node.js / TypeScript розробника з досвідом AI-інтеграцій для розробки backend-сервісів та впровадження AI-функціональності у внутрішні бізнес-процеси.
Основні задачі: розробка API, інтеграція з LLM-моделями, побудова RAG-сценаріїв, робота з embeddings, корпоративними документами та зовнішніми системами.
Ключові навички: Node.js, TypeScript, NestJS / Express, PostgreSQL, REST API, Docker, OpenAI / Azure OpenAI, prompt engineering, embeddings, RAG.
Перевагою буде досвід у фінтеху, роботі з корпоративними даними, безпекою, векторними базами даних та AI-асистентами.
Основні задачі
Розробка backend-сервісів на Node.js / TypeScript.
Проєктування та реалізація REST API.
Інтеграція з внутрішніми та зовнішніми системами.
Інтеграція AI-сервісів у бізнес-процеси та користувацькі сценарії.
Робота з LLM-моделями: OpenAI / Azure OpenAI / Anthropic / локальні моделі.
Розробка AI-функціональності:
чат-боти;
AI-асистенти;
аналіз документів;
класифікація звернень;
генерація текстів;
пошук по базі знань.
Налаштування промптів та тестування якості відповідей AI.
Участь у проєктуванні архітектури рішень.
Обов’язкові навички
Впевнене знання Node.js.
Досвід розробки на TypeScript.
Досвід роботи з одним із фреймворків:
NestJS;
Express.js;
Fastify.
Досвід проєктування та розробки REST API.
Розуміння асинхронного програмування.
Досвід роботи з базами даних:
PostgreSQL;
MySQL;
Oracle.
Досвід інтеграції із зовнішніми API.
Досвід роботи з Docker.
Розуміння Git, CI/CD та базових DevOps-процесів.
Досвід роботи з AI API:
OpenAI API;
Azure OpenAI;
Anthropic;
Google Gemini.
Розуміння принципів роботи LLM:
prompt engineering;
context window;
embeddings;
RAG;
vector search;
hallucinations and validation.
Бажані навички
Досвід побудови RAG-систем.
Досвід роботи з векторними базами даних:
pgvector;
Pinecone;
Qdrant;
Weaviate;
Elasticsearch / OpenSearch.
Досвід обробки документів:
PDF;
DOCX;
XLSX;
зображення / OCR.
Досвід побудови AI-асистентів для внутрішніх корпоративних процесів.
Розуміння питань безпеки при роботі з AI:
захист персональних даних;
контроль доступу;
логування запитів;
маскування чутливих даних;
захист від prompt injection.
Досвід роботи з чергами:
RabbitMQ;
Kafka;
BullMQ.
Досвід розробки мікросервісної архітектури.
Практичні вміння
Підключити LLM до backend-сервісу.
Реалізувати endpoint, який приймає запит користувача та повертає AI-відповідь.
Налаштувати збереження історії діалогу.
Реалізувати пошук по корпоративних документах через embeddings.
Побудувати RAG-процес:
завантаження документів;
розбиття на чанки;
створення embeddings;
пошук релевантного контексту;
формування відповіді моделлю.
Реалізувати обмеження доступу до даних в AI-асистенті.
Логувати запити та відповіді AI-моделі.
Обробляти помилки AI API, таймаути, ліміти та повторні спроби.
Оптимізувати вартість AI-запитів.
Буде перевагою
Досвід у банківській або фінтех-сфері.
Розуміння вимог до безпеки банківських систем.
Досвід інтеграції з LDAP / AD / SSO.
Досвід роботи з Jira / Confluence.
Досвід побудови внутрішніх корпоративних AI-асистентів.
Досвід роботи з on-premise AI-моделями.
Досвід інтеграції AI-рішень з CRM, DWH, BPM або внутрішніми обліковими системами.
Особисті якості
Уміння самостійно розбиратися в нових технологіях.
Системне мислення.
Уважність до безпеки та якості даних.
Уміння документувати технічні рішення.
Готовність працювати з нечіткими або неповними вимогами.
Уміння пояснювати технічні рішення простою мовою.
