Python/AI Engineer (GenAI)

Описание

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

Обязанности

**Backend и производительность** ·         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 **AI‑агенты и RAG (прикладной уровень)** ·         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 **Инженерное сопровождение** ·         Сборка и развертывание в **Docker, Kubernetes** ·         Настройка **CI/CD** для LLM‑сервисов ·         Оценка качества: golden datasets, LLM‑as‑judge, детекция галлюцинаций, метрики ретривала

Требования

**Опыт** · **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) **Backend и инфраструктура** ·         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 и агентные фреймворки (на уровне разработки)** ·         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 **RAG** ·         Глубокая экспертиза в RAG: dense/sparse retrieval, hybrid search, HyDE, GraphRAG (понимание) **Будет преимуществом** ·         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

Условия

* 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 * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.