Senior DevOps LLM (Инвестиционный бизнес)

Мы разрабатываем систему, которая автоматизирует весь жизненный цикл инвестиционной сделки. Наши команды работают над следующими направлениями: Наша инвестиционная платформа ЮЛ в Сбер - это уникальная разработка на российском рынке для выдачи и сопровождения инвестиционного финансирования юридическим лицам. Такие сделки имеют большое значение для российской экономики, и о них пишут в новостях. Вы будете работать с микросервисной архитектурой (Kubernetes, Docker, Istio, Kafka). Мы используем specififcation-driven подход к разработке и активно развиваем эту методологию внутри Сбера.

• алгоритмизированный и AI поиск потенциальных сделок и клиентов

• управление процессом заключения инвестиционных сделок

• финансовые расчеты и оценка портфеля

• построение финансовой и управленческой отчетности по портфелю инвестиций Сбера

• инвестиционные сервисы для компаний - наших клиентов.

• развертывание и конфигурация Open Source LLM (DeepSeek, Qwen и др.) на собственных мощностях

• настройка высокопроизводительных инференс-серверов (vLLM, TGI, TensorRT-LLM, llama.cpp)

• оптимизация использования GPU (память, батчинг, quantization) для достижения требуемой пропускной способности и задержек (latency)

• настройка систем observability для слоя инференса: сбор метрик (количество запросов, время генерации, использование VRAM, throughput, количество активных потоков/запросов)

• реализация health checks (ready/live probes) для инференс-серверов

• автоматизация оповещений (alerts) при деградации производительности или падении сервисов

• настраивать сквозную трассировку (trace\_id) по всей цепочке сервисов: от пользовательского интерфейса до агентов и инфраструктуры

• развивать дашборды в Grafana для мониторинга агентов, инфраструктуры и ключевых компонентов платформы

• внедрять кастомные метрики для агентов (запросы, статус, P95, LLM-вызовы, токены) без изменения кода агентов

• обеспечивать корреляцию логов и трейсов для быстрого поиска инцидентов

• настраивать алерты: технические (Pod OOM, память, ошибки) и качественные (satisfaction rate, регрессии)

• работать с централизованным Prompt Hub для хранения и обновления промптов без деплоя

• автоматизировать интеграцию E2E-тестов с системой трассировки

• поднятие и конфигурация бэкенд-серверов для работы агентов (FastAPI, Node.js или других runtime)

• контейнеризация (Docker) и оркестрация (Kubernetes / Docker Compose) компонентов системы

• управление окружениями (dev/stage/prod) и CI/CD пайплайнами для доставки кода агентов и обновлений инфраструктуры

• разработка агентов в структурированном формате Markdown, следуя принципам Claude/Harness Engineering (явное описание инструментов, контекста, последовательности действий)

• создание системных промптов, определения инструментов (tools/functions) и четких границ поведения агента

• интеграция агентов с внешними API, базами данных и DevOps-инструментами (Kubernetes, AWS, CI/CD)

• разработка и поддержка пайплайнов CI/CD

• внедрение новых инструментов для автоматизации и мониторинга

• взаимодействие с командами разработки, тестирования и эксплуатации.

Будет плюсом:

• опыт развертывания и сопровождения Open Source LLM в продакшене

• глубокое практическое знание инструментов инференса: vLLM, TGI (Text Generation Inference) или аналогичных (TensorRT-LLM, sglang)

• понимание внутренних механизмов LLM инференса: KV-cache, continuous batching, quantization (GGUF, GPTQ, AWQ)

• опыт написания агентов/промптов в продакшн-среде, знакомство с концепцией Harness Engineering (или готовность быстро в нее погрузиться)

• уверенное владение Python (написание сервисов, скриптов мониторинга, интеграций)

• экспертный опыт работы с контейнеризацией (Docker)

• опыт управления кластерами Kubernetes: написание и поддержка манифестов, работа с Helm (чарты)

• опыт построения и поддержки пайплайнов в Jenkins, GitLab CI

• уверенная работа с Git (стратегии ветвления, код-ревью)

• опыт работы с СУБД (PostgreSQL, ClickHouse или аналогичными) в контексте высоконагруженных систем

• опыт построения observability-стека для микросервисных или агентных систем

• навыки настройки сквозной трассировки, метрик, логирования и алертинга

• уверенное владение инструментами: Grafana, Prometheus, Loki, Jaeger, OpenTelemetry

• опыт работы с фреймворками для агентов (LangChain, LlamaIndex, AutoGen, или собственные решения)

• знание подходов к fine-tuning и evaluation LLM (например, LoRA/QLoRA, использование Axolotl или Unsloth; оценка качества через MMLU, HumanEval, ROUGE, BERTScore, фреймворки DeepEval или LM Evaluation Harness)

• опыт управления GPU-инфраструктурой (NVIDIA A100/H100, L40S, работа с MIG, vGPU)

• навыки администрирования Linux (сети, файловые системы,работа с драйверами NVIDIA)

• навыки работы с генеративными AI-моделями.

• комфортный современный офис рядом с м. Ленинский проспект, ул. Вавилова 19, формат работы - гибрид

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная програма

• бесплатная подписка Прайм

• вознаграждение за рекомендацию друзей в команду Сбера.