Вайти
на главную
sber•5 дн. назадПрямой откликПриоритетный откликВаше резюме и сопроводительное письмо уходят напрямую рекрутёру компании на почту, минуя общую очередь откликов на вакансию

Инженер AI-агентов

В офисе МоскваГибкий графикГодовая премияДМСИпотека

Навыки и технологии

GitLab CI/CDPythonDocker

Ключевая задача

Проектировать AI-агентов для департамента ключевых клиентов, отвечая за технический результат агента end-to-end в связке с заказчиком и инженерными командами.

Описание вакансии

Обязанности

  • 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.

Требования

  • 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.

Условия

  • 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.