LLM-backend инженер

• разрабатывать и сопровождать бэкенд AI-агентов: оркестрация графов на LangGraph — состояния, ветвления, циклы, human-in-the-loop, политики retry и fallback
• проектировать и версионировать инструменты (tools) для агентов, интегрировать их с внутренними системами банка через REST/gRPC/MCP/A2A
• работать со сложными промптами, настраивать источники данных под RAG для эффективного поиска и оценивать ответы моделей на точность, релевантность и качество
• упаковывать сервисы в Docker и выводить их в промышленный Kubernetes
• проектировать и проводить эксперименты и A/B-тесты над промптами, пайплайнами и конфигурациями моделей
• развивать систему eval — формировать наборы задач и сценариев, определять метрики accuracy/relevance/robustness, автоматизировать прогон экспериментов и анализ результатов; принимать продуктовые решения на основе метрик
• заниматься тонкой настройкой и оптимизацией конфигураций моделей и агентов: сравнивать модели, версии и параметры inference, подбирать баланс качества, latency и стоимости, обеспечивать устойчивость и предсказуемость работы оркестраций в production
• выстраивать мониторинг: трассировку цепочек вызовов, метрики латентности, токенов и стоимости, алертинг
• вместе с командой решать сложные задачи внедрения AI, ревьюить код и держать высокую планку качества решений.

• практический опыт работы с LLM: промпт-инжиниринг, сборка пайплайнов, интеграция моделей
• LangGraph — опыт разработки агентных графов, вывода их в прод и отладки нетривиального поведения
• Docker — сборка и оптимизация образов, multi-stage, работа с реестрами
• Kubernetes — реальный опыт эксплуатации сервисов в кластере, а не только знакомство по документации
• понимание метрик качества и практический опыт A/B-тестирования ML-решений
• умение приоритизировать гипотезы, обоснованно выбирать модели, методы и алгоритмы и проектировать эффективные инженерные решения
• опыт поставки качественного ПО и владение циклом разработки целиком от технического дизайна до мониторинга после выката
• уверенное владение Python и его экосистемой при этом language- и framework-agnostic подходе к задачам
• понимание ландшафта LLM-провайдеров: как коммерческих, так и open-source моделей, разворачиваемых в собственном контуре
• знакомство с open-source инструментами для построения и оценки RAG: LangChain, LlamaIndex, Ragas, MLflow и подобными
• умение объяснять сложные технические вещи широкой аудитории стейкхолдеров.

Будет плюсом:

• опыт вывода в прод бизнес-критичных ML/AI-приложений
• опыт адаптации, дообучения и разворачивания open-source моделей в on-premise или закрытом контуре
• MCP (Model Context Protocol), разработка MCP-серверов и проксирования инструментов
• мультиагентные архитектуры: маршрутизация, разделение ролей, общая память между агентами
• личное портфолио pet-проектов по ML или вклад в open-source
• опыт работы в банке, финтехе или другом регулируемом домене
• опыт построения Reat-агентов на современных open-source решениях
• опыт использования Openclaw, Hermes, Ouroboros
• навыки работы с генеративными AI-моделями
• опыт создания AI-агентов и использования их в работе будет преимуществом
• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.

• гибридный формат работы. Кутузовский проспект 32 к.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
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.