Python разработчик

R&D-подразделение лаборатории кибербезопасности развивает платформу автономного наступательного тестирования нового поколения. В основе мультиагентная роевая архитектура на базе LLM, объединяющая инструментальную автоматизацию, методологию MITRE ATT&CK и адаптивную оркестрацию атакующих сценариев. Специализированные LLM-агенты координируют действия как слаженная команда: разведка, эксплуатация, закрепление, горизонтальное перемещение — от единичных техник до полноценных цепочек атак.

• Проектировать мультиагентные архитектуры: ролевые модели агентов, координацию, маршрутизацию задач, memory management, structured output;
• Реализовывать агентные пайплайны с использованием LLM API (OpenAI-совместимые, Anthropic, open-source inference endpoints);
• Работать над написанием агентного фреймворка по аналогии: CrewAI, LangGraph, Autogen, PentestGPT и др;
• Проектировать reasoning-процессы: task decomposition, planning, reflection, verification, chain/tree-of-thought;
• Интегрировать агентов с CLI-утилитами, REST/gRPC API, базами знаний и RAG-компонентами;
• Разрабатывать прототипы для CTF automation, security simulation и agent-based orchestration;
• Разрабатывать backend-логику агентных систем: state management, очереди задач, logging, observability, fault tolerance;
• Оптимизировать стоимость и latency inference/API-вызовов.

• Высшее техническое образование;
• Сильный Python: чистый, поддерживаемый, расширяемый код; опыт коммерческой или исследовательской бэкенд-разработки;
• Практический опыт работы с LLM API: prompt design, tool calling, schema-based interaction, guardrails;
• Опыт построения мультиагентных систем или сложных agentic workflow;
• Понимание архитектуры агента: роли, цели, память, планирование, вызов инструментов, контуры верификации;
• Опыт работы с агентными фреймворками (CrewAI, LangGraph, Autogen или аналоги);
• Опыт интеграции внешних инструментов, CLI-утилит, брокеров сообщений, баз данных;
• Понимание принципов RAG: retrieval, knowledge grounding, работа с контекстом;
• Навыки отладки, профилирования и оптимизации Python-приложений;
• Будет плюсом опыт на стыке GenAI и Cybersecurity, участие в CTF, разработка security-тулинга или research automation, практика работы с локальным запуском open-source моделей (vLLM, Ollama, llama.cpp), опыт построения multi-step planning, tree search, graph-based orchestration в агентных системах, навыки Docker, Kubernetes, CI/CD, Langfuse, опыт быстрого прототипирования R&D-решений в условиях неопределённых требований, понимание offensive/defensive security workflow на уровне исследовательских задач, собственные pet-проекты, GitHub, публикации или сильные результаты в профильных соревнованиях.

• Комфортный современный офис;
• Офисный формат работы;
• Ежегодный пересмотр зарплаты, 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;
• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ;
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров;
• Вознаграждение за рекомендацию друзей в команду Сбера.