Мы строим **мультиагентную систему** глубокого анализа макроэкономических и финансовых трендов.
MVP уже работает на облачной инфраструктуре с внешними моделями (Claude, Perplexity). Сейчас переводим систему на собственные инструменты, модели и источники данных, интегрируем во внутренние контуры банка с соблюдением требований безопасности, IT‑говернанса и финансовых регуляторов.
**Роль Python/AI Engineer** фокусируется на прикладном слое:
реализация агентов, RAG‑пайплайны, backend‑сервисы, подключение LLM к внутренним инструментам, графам знаний и данным организации.
При этом мы ищем **сильного инженера Python**, который понимает LLM на уровне разработки и интеграции, но имеет глубокие навыки в backend, оптимизации, CI/CD и ETL.
Обязанности
**Backend и производительность**
· Разработка и поддержка backend‑приложений на Python (**FastAPI / Django / Flask**)
· Оптимизация производительности сервисов (профилирование, кэширование, асинхронность)
· Интеграция с внешними API и внутренними БД банка (PostgreSQL, Redis, Kafka и др.)
· Разработка и поддержка ETL‑процессов для финансовых данных
**AI‑агенты и RAG (прикладной уровень)**
· Реализация специализированных агентов: системные промпты, инструменты, guardrails
· End‑to‑end RAG: ингестия, препроцессинг, чанкинг, эмбеддинги, гибридный поиск, реранкинг
· Парсинг сложных финансовых документов (Table Transformers, OCR)
· Создание инструментов для агентов: API для интернет‑поиска, коннекторы к БД и RAG
· Tool‑calling, JSON‑схемы, обработка недетерминированного поведения LLM
**Инженерное сопровождение**
· Сборка и развертывание в **Docker, Kubernetes**
· Настройка **CI/CD** для LLM‑сервисов
· Оценка качества: golden datasets, LLM‑as‑judge, детекция галлюцинаций, метрики ретривала
Требования
**Опыт**
· **3+ лет коммерческой разработки на Python** с продакшн‑деплоем
· Опыт разработки **AI/LLM решений**: RAG, AI‑агенты (мультиагентные или compound‑системы) — **как минимум 1 проект в продакшне**
· Желателен опыт в финансовом секторе или банковской сфере (но не обязателен)
**Backend и инфраструктура**
· Продвинутый Python: **async, type hints, production‑grade** код
· **FastAPI / Django / Flask** — уверенное владение хотя бы одним
· SQL и NoSQL (PostgreSQL, Kafka, OpenSearch, ClickHouse)
· **Docker, Kubernetes, CI/CD** — практический опыт
· Обработка данных: ETL, Pandas / Polars, работа с большими объёмами
**LLM и агентные фреймворки (на уровне разработки)**
· LLM API: Claude, GPT, Gemini + базовое понимание self‑hosted (LLaMA, Mistral)
· **LangGraph, LangChain, LlamaIndex, CrewAI** — опыт работы с любым агентным фреймворком
· Понимание **MCP (Model Context Protocol)** — преимущество
**RAG**
· Глубокая экспертиза в RAG: dense/sparse retrieval, hybrid search, HyDE, GraphRAG (понимание)
**Будет преимуществом**
· ML‑библиотеки (PyTorch / TensorFlow) — базовое понимание
· Опыт оптимизации REST/gRPC API (высокая нагрузка)
· Fine‑tuning (LoRA, QLoRA) — не требуется, но плюс
· Фреймворки оценки LLM (DeepEval, Ragas)
· Работа с финансовыми документами, регуляторной отчётностью
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.