описание
Наша команда Антифрода ежедневно сталкивается с огромным объемом аналитической и исследовательской работы. Анализ новых трендов мошенничества, глубокий разбор сложных кейсов, расследование инцидентов и разработка мер по митигации рисков — это процессы, которые требуют высокой экспертизы и отнимают много времени у ведущих аналитиков.
задачи
- Создание code-first AI-агентов для автоматизации антифрод-процессов (анализ трендов, разбор инцидентов, генерация мер митигации).
- Применение и адаптация современных агентных паттернов (ReAct, Plan-and-Execute, Multi-Agent оркестрация, Reflection).
- Проектирование систем с долгосрочной и краткосрочной памятью.
- Настройка надежного взаимодействия агентов с внутренними системами, базами данных, лог-аналитикой и антифрод-движками через Function Calling.
- Обеспечение отказоустойчивости, контроль галлюцинаций, настройка пайплайнов оценки качества (Evaluation) и мониторинга работы агентов.
- Тестирование новых LLM, фреймворков и подходов к оркестрации для поиска оптимального баланса между стоимостью, скоростью и качеством рассуждений.
требования
- Уверенный коммерческий опыт разработки на Python от 2-3 лет, из них не менее 1 года — практическая промышленная разработка LLM-приложений и AI-агентов.
- Глубокое понимание и опыт работы с code-first подходами. Уверенное владение LangChain, LangGraph, опыт работы с DeepAgent, OpenClaw или аналогичными фреймворками для оркестрации.
- Отличное знание того, как работают большие языковые модели (архитектура, контекстное окно, токенизация, температурные параметры, механизмы внимания). Понимание их ограничений и способов их обхода.
- Понимание разницы между цепочками (chains), графами (graphs) и мультиагентными системами. Умение выбирать правильную архитектуру под конкретную бизнес-задачу.
- Отличное знание Python (включая асинхронность asyncio), опыт построения REST/gRPC API (FastAPI), понимание принципов работы векторных баз данных и классических СУБД.
- Системное мышление. Вы понимаете, что LLM — это вероятностная модель, и умеете инженерными методами (промпт-инжиниринг, валидация схем, guardrails) делать ее выводы детерминированными и надежными.
- Будет плюсом: Понимание специфики антифрода, информационной безопасности или финтеха. Знание того, как устроены схемы мошенничества, жизненный цикл расследования инцидента и процессы митигации рисков; Практический опыт использования инструментов для оценки и трассировки агентов (LangSmith, LangFuse, RAGAS, Arize и др.); Глубокое понимание продвинутых техник RAG (Advanced RAG, GraphRAG, гибридный поиск), так как агентам предстоит работать с огромными массивами неструктурированных данных (описания кейсов, нормативные документы); Навыки упаковки и развертывания агентных систем в контейнерах (Docker, Kubernetes), настройка очередей задач (Celery, RabbitMQ/Kafka) для асинхронной фоновой работы тяжелых агентов
условия
- комфортный современный офис рядом с м. Кутузовская, формат работы - офис
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
- вознаграждение за рекомендацию друзей в команду Сбера.
навыки
компания
Крупнейший российский банк и экосистема. Предоставляет банковские услуги: кредиты, вклады, карты, ипотека. Развивает сервисы: доставка, здоровье, развлечения, облачные технологии и ИИ. Удобно для финансов и повседневных задач.
Подробнее о компании →