ML-разработчик в команду клиентского AI в Лавку
Наша команда в Яндекс Лавке отвечает за AI в клиентском приложении. Главный продукт направления — Лавка AI, умный помощник для пользователей. Он умеет составлять рационы, рекомендовать рецепты, разбираться в составах и решать сложные кейсы — текстом и голосом.
Сейчас мы развиваем базовое качество ассистента: подбираем и дообучаем модели под задачи, проектируем промпты, пишем новые тулы, экспериментируем с архитектурой ассистента и развиваем голосовой режим. Кроме того, мы расширяем точки входа: встраиваем Лавку AI в суперапп Яндекс Go, Алису, другие приложения экосистемы Яндекса и ищем внутри самой Лавки новые места, где AI может быть полезен пользователю.
Мы ищем ML-разработчика, который будет писать бэкенд для внедрения улучшений в продакшен. Бэкенд направления написан на C++ и Go — мы ждём, что вы будете готовы программировать на одном из этих языков, и готовы помочь с адаптацией.
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
