ML-разработчик в команду клиентского AI в Лавку
Наша команда в Яндекс Лавке отвечает за AI в клиентском приложении. Мы ищем ML-разработчика, который будет писать бэкенд для внедрения улучшений в продакшен. Откликайтесь, если работали с ML-разработкой или LLM на проде, дообучали модели под прикладную задачу и знаете, как устроены AI-агенты.Улучшение качества Лавки AI
Это основная работа направления. Вы будете подбирать модели под конкретные сценарии, проектировать и совершенствовать промпты, при необходимости дообучать модели, писать новые тулы и расширять контекст, который ассистент видит про пользователя. Вы будете оценивать качество, выявлять регрессии, разбирать реальные диалоги и устранять обнаруженные проблемы. Развитие голосового режима
Голос — это сложный продуктовый и инженерный вызов: нужно разбираться с распознаванием, синтезом, особенностями диалога в голосовом канале и latency. Вы будете участвовать в развитии всей этой цепочки. Внедрение Лавки AI
Вам предстоит внедрять Лавку AI в другие приложения экосистемы Яндекса, такие как суперапп Яндекс Go и Алиса. Каждое внедрение потребует отдельных усилий: нужно будет договариваться об интерфейсе, адаптировать ассистента под контекст нового приложения, выстраивать транспорт и проверять качество работы в новых сценариях. Поиск точек применения AI
В приложении помимо ассистента есть много мест, где AI может быть полезен: например, в персональных подборках, при помощи с навигацией, переходе от поиска по продукту к поиску по решению (Search-for-product → Search-for-solution). Вы будете сами выдвигать гипотезы, проверять их и внедрять полезные решения для пользователей. Оптимизация инференса
Вы будете учитывать требования к задержке (latency), стабильности и стоимости при работе с клиентским трафиком, совмещая это с продуктовыми задачами. Больше об ML в Яндексе — в канале Yandex for ML* Работали с ML-разработкой или LLM на проде: понимаете, как подобрать модель под задачу, спроектировать промпт, измерить качество, поймать и закрыть регрессию * Дообучали модели (fine-tuning, instruction tuning, LoRA-подобные подходы) под прикладную задачу * Знаете, как устроены LLM и AI-агенты (тулы, промпты, контекстное окно, RAG) * Понимаете, где нужен агент, где достаточно промпт-инжиниринга, а где стоит дообучить модель * Знакомы с агентскими протоколами (MCP, A2A) и подходами (RAG, мультиагентные системы) * Имеете продуктовый майндсет: думаете про пользователя, про целевой опыт, готовы сами искать новые точки приложения AI * Проактивны и автономны* Разрабатывали серверные приложения на C++ или Go * Работали с голосовыми ассистентами или речевыми технологиями — ASR, TTS, особенностями диалога в голосовом канале * Умеете работать с высоконагруженными системами, где важна задержка инференса и экономика моделей * Хотите развиваться в сторону руководителя или техлида Узнайте про разработку Городских сервисов Яндекса на [dev.go.yandex](http://dev.go.yandex/?utm\_source=yandex\_jobs&utm\_medium=social&utm\_content=1&utm\_campaign=vacancies)
Это основная работа направления. Вы будете подбирать модели под конкретные сценарии, проектировать и совершенствовать промпты, при необходимости дообучать модели, писать новые тулы и расширять контекст, который ассистент видит про пользователя. Вы будете оценивать качество, выявлять регрессии, разбирать реальные диалоги и устранять обнаруженные проблемы. Развитие голосового режима
Голос — это сложный продуктовый и инженерный вызов: нужно разбираться с распознаванием, синтезом, особенностями диалога в голосовом канале и latency. Вы будете участвовать в развитии всей этой цепочки. Внедрение Лавки AI
Вам предстоит внедрять Лавку AI в другие приложения экосистемы Яндекса, такие как суперапп Яндекс Go и Алиса. Каждое внедрение потребует отдельных усилий: нужно будет договариваться об интерфейсе, адаптировать ассистента под контекст нового приложения, выстраивать транспорт и проверять качество работы в новых сценариях. Поиск точек применения AI
В приложении помимо ассистента есть много мест, где AI может быть полезен: например, в персональных подборках, при помощи с навигацией, переходе от поиска по продукту к поиску по решению (Search-for-product → Search-for-solution). Вы будете сами выдвигать гипотезы, проверять их и внедрять полезные решения для пользователей. Оптимизация инференса
Вы будете учитывать требования к задержке (latency), стабильности и стоимости при работе с клиентским трафиком, совмещая это с продуктовыми задачами. Больше об ML в Яндексе — в канале Yandex for ML* Работали с ML-разработкой или LLM на проде: понимаете, как подобрать модель под задачу, спроектировать промпт, измерить качество, поймать и закрыть регрессию * Дообучали модели (fine-tuning, instruction tuning, LoRA-подобные подходы) под прикладную задачу * Знаете, как устроены LLM и AI-агенты (тулы, промпты, контекстное окно, RAG) * Понимаете, где нужен агент, где достаточно промпт-инжиниринга, а где стоит дообучить модель * Знакомы с агентскими протоколами (MCP, A2A) и подходами (RAG, мультиагентные системы) * Имеете продуктовый майндсет: думаете про пользователя, про целевой опыт, готовы сами искать новые точки приложения AI * Проактивны и автономны* Разрабатывали серверные приложения на C++ или Go * Работали с голосовыми ассистентами или речевыми технологиями — ASR, TTS, особенностями диалога в голосовом канале * Умеете работать с высоконагруженными системами, где важна задержка инференса и экономика моделей * Хотите развиваться в сторону руководителя или техлида Узнайте про разработку Городских сервисов Яндекса на [dev.go.yandex](http://dev.go.yandex/?utm\_source=yandex\_jobs&utm\_medium=social&utm\_content=1&utm\_campaign=vacancies)