LLM engineer for AI agents

Мы ищем инженера, который будет проектировать AI-агентов для департамента ключевых клиентов. Вы будете работать в связке с заказчиком, продуктом и инженерными командами, отвечая за технический результат агента end-to-end.

• проектирование агентных архитектур: ReAct / планы-действия, tool calling, мультиагентные схемы, маршрутизация запросов между моделями и сценариями
• разработка и оптимизация промптов (few-shot, CoT, structured output), управление контекстом, версионирование промптов вместе с кодом
• реализация RAG: чанкинг, эмбеддинги, векторный и гибридный поиск, реранжирование, работа с метаданными и мультиязычными документами.
• интеграция LLM с корпоративными системами через API и MCP-инструменты: написание и поддержка собственных tools, схем аргументов, обработка ошибок и таймаутов
• построение оценочных контуров (evals): датасеты, LLM-as-a-judge, регрессионные прогоны на каждом изменении промпта или модели
• защита от галлюцинаций и prompt injection, работа с отказами и обходными путями, контроль grounding на источниках
• мониторинг качества и стоимости в продакшене: трейсинг, логирование шагов агента, телеметрия токенов и задержек
• упаковка агентов в сервисы: FastAPI / Python-бэкенд, контейнеризация, CI/CD, секреты, работа в контуре банка
• подбор и сравнительная оценка открытых и проприетарных моделей под задачу клиента.

• 5+ лет в разработке ПО, из них 2+ года в практической работе с LLM и агентными системами
• уверенный Python и опыт промышленной разработки: тесты, ревью, CI/CD, работа в команде
• практика с фреймворками агентов и LLM-стеком: LangChain / LangGraph, LlamaIndex, OpenAI/локальные API, Pydantic, асинхронность
• глубокое понимание RAG, векторных БД (Qdrant / Milvus / pgvector и др.), эмбеддингов и стратегий поиска
• опыт построения evals и оценки качества LLM-систем, а не только «демо-промптов»
• навыки работы с генеративными AI-моделями
• опыт вывода LLM-решения в продуктив и его последующей эксплуатации
• понимание ограничений моделей: контекст, стоимость, задержки, деградация качества.
• Будет плюсом: опыт fine-tuning (LoRA/QLoRA, SFT/DPO) и работы с моделями на своих мощностях; опыт сервинга моделей (vLLM/TGI), оптимизации inference и GPU-инфраструктуры; опыт интеграций с enterprise-ландшафтом: очереди, ESB, MCP, внутренние сервисы банка; публикации, доклады, вклад в open-source, опыт наставничества

• комфортный современный офис Москва, Кутузовская 32
• гибридный формат работы
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• система обучения для профессионального и карьерного развития
• расширенный полис ДМС с первого дня работы и страхование для семьи
• программа ипотеки для сотрудников
• подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.