Python-разработчик

Описание

Мы строим агентные решения на базе LLM для высоконагруженных сервисов оценки нефинансовых рисков. Ищем опытного Python-инженера, который любит ML, понимает его ограничений и силу, и хочет делать «настоящий» продакшен-бэкенд: надёжный, масштабируемый, с чёткой инженерной культурой. Вам предстоит внедрять современные подходы ML System Design, проектировать и эволюционировать агентные системы, которые реально приносят бизнес-ценность. Если вам близок дух Bell Labs/Xerox PARC в их лучшие годы — исследовать, проверять гипотезы и доводить до прома — вам к нам.

Обязанности

* проектировать и разрабатывать backend-сервисы на Python для LLM-агентов и ML-пайплайнов (низкие задержки, высокая надёжность, observability) * встраивать и развивать архитектуру агентных систем (оркестрация инструментов, память, планирование, безопасные guardrails, оценка качества) * внедрять ML System Design подходы: искать и применять передовые идеи и мировой опыт в области архитектур агентных систем * работать с данными и интеграциями: очереди/стриминг, базы, кэш, внешние API. У нас есть все * проводить технические исследования (R&D), быстро прототипировать, измерять, масштабировать в прод * развивать платформу: тестирование, CI/CD, мониторинг, трассировка, расходы * влиять на инженерную культуру: код-ревью, дизайн-сессии, менторство.

Требования

* от 4х лет промышленной backend-разработки на Python (или близком стеке) с акцентом на надёжность и производительность * опыт проектирования распределённых систем и высоконагруженных сервисов * уверенная математическая база (вероятность/статистика/оптимизация), инженерный вкус и привычка мерить всё метриками * практика работы с ML-системами в проде: фичи, офлайн/онлайн-оценка, A/B, наблюдаемость качества * навык разбираться в новых подходах (LLM-агенты, инструменты, память, RAG, оценка), критически их проверять и доводить до результата * готовность брать ответственность за продуктовые эффекты, а не только за код. ### Будет плюсом: * опыт построения agentic-архитектур (планировщики, многoшаговые цепочки, инструментализация, безопасность) * опыт реализации высокоэффективного инференса LLM моделей, глубокое понимание работы kernelов для инференса * вклад в open-source или публикации/доклады * знание домена рисков * инструментальное владение AI для анализа, генерации и автоматизации.

Условия

* офис/гибрид.