backend developer AI-агентов

Команда БЛиК автоматизирует бизнес-процессы блока с помощью AI-инструментов и делает AI-решения доступными сотрудникам, чтобы повышать продуктивность и интерес к технологиям у лиц, принимающих решения. Команда использует Python, LangGraph, Kubernetes, а также собственные и внешние модели, сочетая готовые инструменты с внутренними решениями и ориентируясь на измеримый результат.

• Разрабатывать и сопровождать бэкенд AI-агентов: оркестрацию графов на LangGraph, состояния, ветвления, циклы, human-in-the-loop, политики повторных попыток и резервные сценарии;
• Проектировать и версионировать инструменты для агентов, интегрировать их с внутренними системами банка через REST, gRPC, MCP и A2A;
• Работать со сложными промптами, настраивать источники данных под RAG и оценивать ответы моделей по точности, релевантности и качеству;
• Упаковывать сервисы в Docker и выводить их в промышленный Kubernetes;
• Проектировать и проводить эксперименты и A/B-тесты над промптами, конвейерами и конфигурациями моделей;
• Развивать систему оценки: формировать наборы задач и сценариев, определять метрики accuracy, relevance и robustness, автоматизировать эксперименты и анализ результатов;
• Принимать продуктовые решения на основе метрик;
• Настраивать и оптимизировать конфигурации моделей и агентов, сравнивать модели, версии и параметры inference;
• Подбирать баланс качества, задержки и стоимости, обеспечивать устойчивую и предсказуемую работу оркестраций в промышленной среде;
• Выстраивать мониторинг, включая трассировку цепочек вызовов, метрики задержки, токенов и стоимости, а также оповещения;
• Решать с командой сложные задачи внедрения AI;
• Проводить ревью кода и поддерживать высокий уровень качества решений.

• Практический опыт работы с LLM: промпт-инжиниринг, сборка конвейеров и интеграция моделей;
• Опыт разработки агентных графов на LangGraph, вывода их в промышленную среду и отладки нетривиального поведения;
• Опыт сборки и оптимизации Docker-образов, включая multi-stage и работу с реестрами;
• Практический опыт эксплуатации сервисов в кластере Kubernetes;
• Понимание метрик качества и практический опыт A/B-тестирования ML-решений;
• Умение приоритизировать гипотезы, выбирать модели, методы и алгоритмы, а также проектировать эффективные инженерные решения;
• Опыт поставки качественного программного обеспечения и владение полным циклом разработки — от технического дизайна до мониторинга после выката;
• Уверенное владение Python и его экосистемой при гибком выборе языков и фреймворков под задачу;
• Понимание рынка LLM-провайдеров, включая коммерческие и open-source модели для развёртывания в собственном контуре;
• Знакомство с open-source-инструментами для построения и оценки RAG: LangChain, LlamaIndex, Ragas, MLflow и аналогами;
• Умение объяснять сложные технические вещи широкой аудитории заинтересованных сторон;
• Будет плюсом опыт вывода в промышленную среду бизнес-критичных ML/AI-приложений, адаптации, дообучения и развёртывания open-source-моделей в on-premise или закрытом контуре, разработки MCP-серверов и проксирования инструментов, построения мультиагентных архитектур, наличие портфолио ML-пет-проектов или вклада в open-source, опыт работы в банке, финтехе или другом регулируемом домене, создания Reat-агентов, использования Openclaw, Hermes, Ouroboros, генеративных AI-моделей, создания и применения AI-агентов, а также использования GigaChat, Kandinsky и аналогов в продуктах.

• Гибридный формат работы в офисе на Кутузовском проспекте, 32, корпус 1;
• Ежегодный пересмотр зарплаты, квартальная и годовая премия;
• Корпоративный спортзал и зоны отдыха;
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;
• Программа адаптации и помощь руководителя на старте;
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа;
• Льготный дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ;
• Подписка Прайм с возможностью совместного использования с тремя близкими;
• Вознаграждение за рекомендацию друзей в команду Сбера.