Python/AI Engineer (GenAI)

О проекте: Мы разрабатываем платформу автономных ИИ-агентов для бизнес-процессов корпоративно-инвестиционного бизнеса. Наша цель — сделать взаимодействие с ИИ надежным, предсказуемым и безопасным. Ищем: Backend-разработчика на Python, который спроектирует и реализует ядро мультиагентных систем и RAG-пайплайнов промышленного уровня для работы со сложными финансовыми данными.

• Разрабатывать архитектуру агентов: проектировать мультиагентные системы (LangGraph/LlamaIndex), реализуя паттерны ReAct, Plan-and-Execute, Tool Calling и guardrails

• Строить End-to-End RAG: настраивать ингестию, чанкинг, гибридный поиск и реранкинг; парсить сложные финансовые документы (Table Transformers, OCR)

• Развивать Backend: писать production-grade код на FastAPI, интегрироваться с внутренними системами банка (PostgreSQL, Kafka, Redis), оптимизировать производительность и асинхронность

• Работать с данными: разрабатывать ETL-процессы для финансовых данных (Pandas/Polars),создавать коннекторы и инструменты для агентов

• Обеспечивать надежность: внедрять обработку недетерминированного поведения LLM, JSON-схемы, трассировку и механизмы fallback

• Настраивать DevOps: собирать и развертывать сервисы в Docker/K8s, настраивать CI/CD специально для LLM-сервисов

• Оценивать качество: работать с golden datasets, метриками ретривала, LLM-as-a-Judge и детекцией галлюцинаций

• Опыт: от 5-ти лет коммерческой разработки на Python с деплоем в продакшн; минимум 1 завершенный проект с AI/LLM (RAG или агенты)

• Python & Backend: продвинутый async, type hints, уверенное владение FastAPI/Django, опыт профилирования и кэширования

• LLM-стек: практический опыт с агентными фреймворками (LangGraph, LangChain, LlamaIndex, CrewAI) и API провайдеров

• RAG-экспертиза: глубокое понимание dense/sparse retrieval, hybrid search, HyDE; опыт работы с векторными БД

• Инфраструктура и данные: Docker, CI/CD; SQL/NoSQL (PostgreSQL, Kafka); обработка больших объемов данных

• Аналитика: способность декомпозировать нечеткие бизнес-задачи на технические спецификации для ИИ-систем

Будет плюсом:

• Понимание MCP (Model Context Protocol)

• Опыт работы с финансовыми документами или регуляторной отчетностью

• Базовое знание ML-библиотек (PyTorch/TensorFlow) или опыт fine-tuning (LoRA/QLoRA)

• Опыт оптимизации высоконагруженных REST/gRPC API

• Владение инструментами оценки (DeepEval, Ragas)

• Ссылки на GitHub / пет-проекты / статьи по теме

• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• ипотека выгоднее до 7% для каждого сотрудника
• прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.