Waibee: LLM-платформа, RAG, надежность и векторный поиск

Техническое собеседование по LLM-платформе: function calling, RAG на больших данных, idempotency, outbox с Kafka, несбалансированная классификация и устное проектирование небольшого движка векторного поиска.

Пройти собеседование

Аудио и материалы

Выводы и как готовиться

LLM-интеграции нужно проектировать как production-систему: схемы, retries, idempotency, observability и fallback.
RAG на web-scale быстро упирается не только в embeddings, но и в freshness, deduplication, indexing и quality gates.
Даже простой движок векторного поиска лучше обсуждать через контракт API, индекс, обновления и проверку качества.

Waibee: LLM-платформа, RAG, надежность и векторный поиск

Аудио и материалы

Контекст роли, опыт и ожидания от ML/LLM инженера

Function calling и structured output в LLM-приложении

RAG по большому корпусу документов

Идемпотентность endpoint-а пополнения баланса

Transactional outbox для БД и Kafka

Imbalanced classification: метрики, loss и leakage

In-memory движок векторного поиска: что важно в реализации

Финальные вопросы про команду, продукт и процесс

Выводы и как готовиться