Python/AI Engineer (GenAI)

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. 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.

• **Роль Python/AI Engineer** фокусируется на прикладном слое:

·         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 ·         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. ·         сборка и развертывание в **Docker, Kubernetes.** ·         настройка **CI/CD** для LLM‑сервисов. ·         оценка качества: golden datasets, LLM‑as‑judge, детекция галлюцинаций, метрики ретривала.

• **Backend и производительность**

• **AI‑агенты и RAG (прикладной уровень).**

• **Инженерное сопровождение**

· **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). ·         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 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 ·         глубокая экспертиза в RAG: dense/sparse retrieval, hybrid search, HyDE, GraphRAG (понимание). ·         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.

• **Опыт**

• **Backend и инфраструктура**

• **LLM и агентные фреймворки (на уровне разработки).**

• **RAG.**

• **Будет преимуществом**

• 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.