Middle AI Engineer (Platform V Synapse Event Mesh)

Мы — команда **Platform V Synapse Event Mesh**. Работаем над высоконагруженной платформой, где надежность, безопасность и скорость разработки — не просто слова, а ежедневная практика. Сейчас мы ищем **инженера-автоматизатора**, который возьмет на себя внутреннюю сторону наших процессов: от обработки тикетов по уязвимостям и багам до контроля SLA и отчетности. Не менеджера, который будет “пинать” команды, а **инженера, который заменит рутину кодом и агентами**. Если тебя бесит делать одно и то же руками больше двух раз — тебе к нам.

• Агент первичного анализа тикетов: классификация, триаж уязвимостей, маршрутизация на команду, предложение ответственного

• Автономный самообучающийся агент на self-hosted фреймворке (OpenClaw, Hermes или аналог) с дашбордом для визуализации и разбора ошибочных вердиктов

• Регрессионный контур для агента: размеченная выборка тикетов, на которой прогоняется каждое изменение промпта, модели или набора навыков

• Генерация FAQ и базы знаний из истории решённых тикетов

• Перевод ручной обработки тикетов (уязвимости, баги, стандарты) в автоматизированные пайплайны

• Контроль включения тикетов в релизные поезда

• Автоматическая рассылка дашбордов со статусами по почте и в мессенджеры

• Работа над метриками и улучшениями (выявление узких мест в процессах и их устранение с измеримым эффектом)

• R&D и эксперименты (предиктивная аналитика: предсказание нарушения SLA до его возникновения).

• Python: 2–3 года коммерческой разработки. FastAPI, Pydantic, один из фреймворков оркестрации агентов (LangChain / LangGraph, LlamaIndex, Pydantic AI или аналог), библиотеки валидации структурированного вывода

• Интеграции между системами не только по REST: вебхуки, gRPC, GraphQL, очереди сообщений (Kafka, RabbitMQ, NATS), JSON-RPC, выгрузки по расписанию и напрямую из БД, легаси-SOAP. Понимание, когда нужен вебхук, когда опрос, а когда очередь

• Асинхронность и работа с ненадёжными внешними API: таймауты, ретраи, частичный отказ

• Локальные модели и понимание, где они уместнее внешнего LLM API (OpenAI, Anthropic, YandexGPT или аналогов)

• Локальные модели и понимание, где они уместнее внешнего LLM API (OpenAI, Anthropic, YandexGPT или аналогов)

• DevOps: CI/CD, Git, Docker, Kubernetes

• Уверенная работа с Linux (RHEL, CentOS, AltLinux)

• Готовность сказать «здесь LLM не нужен, хватит скрипта»

• Гибридный формат работы

• Годовой бонус и ежегодный пересмотр зарплаты

• Статус аккредитованной ИТ-компании

• Расширенный ДМС с первого дня и льготное страхование для семьи

• Корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях

• 90 дней удаленной работы из любого региона РФ

• Льготная ипотека в Сбере, подписка Прайм с возможностью совместного использования на трёх близких.