TEAMLY – это IT-платформа для совместной работы и управления знаниями. Она бесшовно объединяет функции командной работы, ведения базы знаний и корпоративного обучения.
Благодаря разнообразному функционалу она позволяет переводить весь накопленный опыт компании в реально работающие навыки и знания сотрудников.
Нам доверяют свои знания известные компании: ВкусВилл, Аналитический центр при Правительстве РФ, Капитал Life, 1С-Рарус, Интерлизинг.
А также средний и малый бизнес.В данный момент команда
TEAMLY активно растет, в связи с чем мы будем рады видеть в нашей команде
ИИ - разработчика. Востребованный продукт гарантирует быстрый рост и интересные задачи.
Чем предстоит заниматься - Развивать HTTP API и бизнес-логику двух асинхронных Python-сервисов на FastAPI.
- Проектировать и реализовывать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов.
- Развивать агентные сценарии на LangChain, LangGraph и deepagents: инструменты, middleware, ограничения числа вызовов, защита от циклов и контроль контрактов ответа.
- Улучшать качество семантического поиска: chunking, dense/sparse retrieval, фильтры Qdrant, reranking, RRF и token budget.
- Развивать событийную индексацию статей, файлов и структурированного контента через Kafka.
- Обеспечивать корректную мультитенантность и фильтрацию результатов по правам пользователей, групп и сообществ.
- Интегрировать и заменять LLM-, embedding- и reranking-провайдеры, включая OpenAI-compatible API, vLLM и Ollama.
- Работать с PostgreSQL, Redis и Qdrant, проектировать модели данных и Alembic-миграции.
- Диагностировать проблемы качества, производительности и надежности на границах внешних сервисов.
- Развивать автоматические тесты и quality gates, поддерживать воспроизводимые локальные и CI-окружения.
- Улучшать наблюдаемость: структурированные логи, технические метрики, OpenTelemetry и трассировку LLM/RAG через Langfuse.
- Участвовать в декомпозиции задач, ревью кода и принятии архитектурных решений.
Технологический стек - Python 3.12, async/await;
- FastAPI, Pydantic 2;
- SQLAlchemy 2 async, Alembic, PostgreSQL;
- Redis, Apache Kafka, aiokafka;
- Qdrant, dense/sparse vectors, embeddings, reranking, RRF;
- LangChain, LangGraph, deepagents;
- OpenAI-compatible API, vLLM, Ollama;
- Pytest, pytest-asyncio, mypy, Black, Flake8;
- Docker, Docker Compose, Kubernetes, GitLab CI;
- Langfuse, OpenTelemetry.
Что для нас важно 
