Стажер Python Developer (SberAI)

Описание

Мы — R&D-команда, которая решает исследовательские и инженерные задачи в области многоагентных систем (MAS, Multi-Agent Systems). Мы разрабатываем многоагентные пайплайны и систему оркестрации на графах: задаём роли и правила взаимодействия агентов и настраиваем процесс так, чтобы финальный ответ продукта был точнее, быстрее и дешевле. В работе важны воспроизводимость, тестируемость и аккуратная инженерия: чистый код, понятные изменения, метрики качества и контроль регрессий.

Обязанности

Разработка многоагентных систем на графах (Graph-based MAS) • Реализация отдельных агентов под прикладные подзадачи (tool-use, researcher, verifier, coder и т. д.) • Проектирование графа взаимодействий: маршрутизация, переходы состояний, обработка ошибок, политики ретраев • Интеграция агентов с инструментами и данными (в т. ч. retrieval/RAG-компоненты при необходимости). Оптимизационные алгоритмы на графе (Graph Optimization) • Написание чистого кода для алгоритмов оптимизации графа: упрощение, pruning, переупорядочивание шагов, эвристики выбора ветки • Оптимизация стоимости/времени ответа: кеширование, переиспользование результатов, сокращение лишних вызовов • Поддержка метрик и профилирования: где теряем качество, где тратим токены/время, где можно ускорить. Качество и тестирование (Quality & Testing) • Тестирование функционала: unit/integration тесты для компонентов графа и логики агентов • Регрессионные проверки качества ответов (автоматические проверки формата, стабильности и корректности) • Поддержка воспроизводимости: фиксирование конфигураций, датасетов, версий, базовые эксперименты. Prompt engineering и контроль качества ответа (Prompting & Evaluation): • Разработка системных/роль-инструкций и шаблонов промптов для повышения точности и стабильности. • Улучшение структуры ответа (формат, проверяемость, минимизация галлюцинаций, self-check/verification шаги).

Требования

* Хорошее знание Python 3.12 и уверенное написание кода самостоятельно (понимание того, что и почему работает). * Базовые знания в области машинного обучения и больших языковых моделей (ML/LLM) * Понимание, что такое агент, и как его можно реализовать (состояние, инструменты, шаги, проверки результата) * Опыт работы с LangGraph/LangChain (или аналогичными фреймворками оркестрации) * Понимание терминов и подходов: RAG, inference, embeddings, semantic search, retrieval * Понимание основ векторной алгебры, эмбеддингов и семантического поиска * Уверенная работа с GitHub/GitLab: PR/MR, review, pre-commit, аккуратные коммиты, ведение issues * Готовность писать тесты и поддерживать качество кода (читаемость, структура, регрессии) Технологический стек: * Языки: Python 3.12, Bash * Фреймворки и библиотеки: PyTorch, NumPy, Pandas, Pydantic * LLM/MAS: LangChain, LangGraph (или аналоги) * Графы: rustworkx (дополнительно — знакомство с NetworkX) * Процессы: Git (GitHub/GitLab), code review, pre-commit, понятные коммиты, ведение issues

Условия

* Комфортный современный офис рядом с м. Кутузовская * Гибридный формат работы * Корпоративный спортзал и зоны отдыха * Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * Программа адаптации и помощь руководителя на старте * Вознаграждение за рекомендацию друзей в команду Сбера.