Наша команда разрабатывает платформу для создания, развёртывания и запуска сред, используемых при обучении и оценке AI-агентов. Среда — это задача с инструментами и правилами оценки результата: от игры до репозитория с багом, который агент должен исправить. Автор описывает только логику среды, а платформа берёт на себя её запуск в распределённой инфраструктуре. Каждая среда работает в изолированной песочнице, где агент может безопасно выполнять код, работать с файлами и обращаться к внешним сервисам. Пайплайны обучения и оценки одним вызовом получают адрес готовой среды и могут одновременно запускать сотни тысяч агентных траекторий, не занимаясь управлением вычислительными ресурсами. Мы тесно сотрудничаем с ML‑инженерами — они обучают языковые модели для продуктов Алисы. Область быстро развивается, поэтому мы следим за новыми подходами к обучению LLM и за тем, как строят продакшен‑системы для AI‑агентов. С учётом новых сценариев и требований мы развиваем платформу.

Обязанности:

Развитие песочниц
Вы будете развивать инфраструктуру, чтобы безопасно выполнять произвольный код: ускорять запуск песочниц, управлять их ресурсами и жизненным циклом, улучшать сетевую изоляцию и контроль доступа к внешним ресурсам, в том числе к интернету. Развитие платформы
Вам предстоит развивать продуктовый слой платформы поверх песочниц: управлять жизненными циклами контейнеров, эффективнее использовать ресурсы — в том числе запускать несколько траекторий в одном контейнере, когда это позволяет среда. Также предстоит развивать реестр сред, мониторинг и веб‑интерфейс. Важно обеспечить надёжную работу всех компонентов при массовых параллельных запусках. Развитие инструментов
Вы будете улучшать API, Python SDK, CLI и веб‑интерфейс платформы — упрощать локальную разработку, публикацию и отладку сред, а также их подключение к системам обучения и оценки моделей. Больше о бэкенде в Яндексе — в канале Yandex for Backend

Ключевые навыки:

  • Разрабатывали бэкенд на Go или Python либо готовы перейти на них с другого языка
  • Понимаете принципы работы распределённых систем
  • Готовы проектировать, тестировать и сопровождать свои решения

Дополнительные требования:

  • Работали с контейнерами, Kubernetes или другими системами оркестрации
  • Работали с виртуализацией или изоляцией процессов
  • Оптимизировали высоконагруженные или ресурсоёмкие распределённые системы
  • Знакомы с устройством AI‑агентов, обучением с подкреплением и оценкой качества моделей