Мы строим продакшн-грейд мультиагентную систему глубокого анализа макроэкономических и финансовых трендов. Сейчас система работает как MVP на облачной инфраструктуре с использованием внешних моделей (DeepSeek, Perplexity). Мы переводим её на собственные инструменты, модели и источники данных с интеграцией во внутренние системы организации и соответствием требованиям безопасности, IT-говернанса и регуляторных стандартов

Ведущий архитектор — это главный технический лидер, отвечающий за проектирование мультиагентного фреймворка и обеспечение согласованной работы LLM моделей, собственных прогнозных ML моделей, RAG, internet search и баз данных в едином масштабируемом и аудируемом контуре банка. Отвечает за решения по латентности, надёжности, управлению памятью агентов и говернансу.

Обязанности

1\. Архитектура мультиагентной системы

\* Проектирование слоя оркестрации агентов: выбор и настройка фреймворка (LangGraph — базовый вариант)

\* Дизайн топологии supervisor/worker: границы специализации агентов (макроданные, финанализ, прогнозирование, генерация отчётов), протоколы передачи, обработка ошибок и graceful degradation.

\* Архитектура памяти агентов: краткосрочное состояние, долгосрочные знания, общий scratchpad — без потери контекста и каскадных галлюцинаций.

2\. Стратегия моделей и миграция

\* Переход от внешних API моделей к собственным / self-hosted альтернативам без потери качества.

\* Размещение системы в промышленном контуре: хостинг, инференс (vLLM, Triton, TGI), файнтьюнинг. Интеграция классических ML-моделей прогнозирования (временные ряды, регрессия, ансамбли) в единую оркестрацию с LLM-агентами.

3\. RAG и инфраструктура знаний

\* Использование и валидация RAG-пайплайна: ингестия, чанкинг, эмбеддинги, гибридный поиск (dense vector + BM25), реранкинг, grounding.

\* Архитектура векторной БД и фреймворк оценки качества ретривала и детекции галлюцинаций — критично для финансового контекста.

4\. Интеграция и качество

\* Интеграция с внутренними БД (статистика, цены, регуляторные документы) и корпоративными системами.

\* Стандарты качества: code review, тестирование (unit, integration, agent-level, e2e), бенчмарки.

5\. Управление технической командой из 5-6 человек

Требования

Опыт

\* 5+ лет в ML/AI-инженерии с реальным опытом разработки и вывода GenAI-агентов в продакшн.

\* Разработка ML/AI-систем, доведённых до продакшн-масштаба (не только прототипы).

\* Опыт с мультиагентными / compound AI-системами в профессиональном контексте.

\* Опыт в финансах, макроэкономике или регулируемых отраслях (сильное преимущество).Технические навыки

Программирование:

\* Python (продвинутый: async, type hints, production-grade). Знание системных языков будет плюсом (Go, Rust или C++).

\* основы софтверной инженерии: паттерны, тестирование, CI/CD, code review.

Мультиагентные фреймворки и LLM-оркестрация:

\* Глубокая экспертиза LangGraph (графовые воркфлоу, state machines, durable execution, human-in-the-loop).

\* Знание альтернатив (CrewAI, AutoGen/AG2, OpenAI Agents SDK). Протоколы MCP и A2A.

RAG и ретривал:

\* Эмбеддинг-модели, векторные БД (Pinecone, Weaviate, Milvus, pgvector), гибридный поиск, реранкинг.

\* Продвинутые паттерны: GraphRAG, agentic RAG, multi-hop retrieval, семантический чанкинг.

Сервинг моделей:

\* Продакшн-опыт с vLLM, Triton, TGI. Квантизация (FP8, INT8, GPTQ, AWQ), файнтьюнинг (LoRA, QLoRA). PyTorch.

Инфраструктура:

\* Docker, Kubernetes (GPU scheduling), облачные ML-платформы (SageMaker, Vertex AI, Azure ML).

\* Observability для LLM-систем: Langfuse, LangSmith или аналоги.

Желательно

\* Знание финансовых источников данных (Bloomberg, FRED, SEC EDGAR, ЦБ).

\* Публикации, патенты или значимый open-source вклад в ML/AI, NLP или information retrieval.

\* Опыт лидерства/менторства команды 3–6 человек. MLOps/LLMOps (MLflow, W&B, Kubeflow).

Условия

  • 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
  • бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
  • вознаграждение за рекомендацию друзей в команду Сбера.