AI‑разработчик в Лавку

Наша служба занимается внедрением AI в бизнес Яндекс Лавки — сейчас это один из главных приоритетов компании. Год назад мы запустили первых агентов, которые автоматизируют отдельные процессы. К лету мы создали для Лавки более 100 виртуальных сотрудников.

Мы неоднократно проходили полный цикл разработки решений (e2e‑разработка) и пришли к выводу, что эффект от точечных агентов имеет ограничения. Поэтому перешли к подходу, который называем «космолётами». Мы берём целую бизнес‑функцию — например, операции, коммерцию, маркетинг, финансы и так далее, — описываем все процессы в текущем виде (as‑is), а затем проектируем, как эта функция выглядела бы, если бы её создавали с нуля в мире, где в основе всего — AI (AI‑first‑мир). После этого поэтапно движемся к этой картине.

Технически мы работаем с агентскими системами. У них общий контекст и знания. Часть систем — мультиагентные, в некоторых используются ReAct‑агенты на мощных моделях, а в других — детерминированные StateGraph‑агенты. Все системы работают на нашей собственной платформе агентов (в основе — Python и lang*). Сейчас на платформе уже более 50 агентов.

В службе нет разделения на разработчиков, тестировщиков и аналитиков — все работают фуллстеком. Команды сформированы по доменам: есть несколько «космолётных» команд, команды, которые занимаются сквозными AI‑инструментами, и команда платформы.

Ищем инженера в направление платформы и инфраструктуры агентостроения. Вам предстоит работать со всем, что обеспечивает эффективную работу агентов и их авторов. Ваши заказчики — команды, которые создают агентов для Лавки и всей бизнес‑группы, а также всё чаще — сотрудники бизнес‑функций без инженерного опыта. Наша цель — сделать так, чтобы любой сотрудник Лавки мог максимально быстро превратить рутинную задачу в работающее решение.

Какие задачи вас ждут

Развитие ядра платформы
Вы будете проектировать архитектуру платформы — сейчас она монолитная, а мы разбираем её на компоненты и SDK, чтобы каждый сервис мог собрать собственное окружение из готовых блоков. При этом важно довести архитектуру до продакшена, не нарушив работу более 50 агентов, которые уже используют платформу.

Скилостроение
Вам предстоит работать с инструментом, который позволяет создавать скилы без навыков программирования. Человек просто описывает свои потребности — система на основе этого описания создаёт скил, проверяет его и интегрирует в наши системы. Затем вы будете заниматься распространением и внедрением решений: сформируете каталог скилов и агентов с поиском, версионированием и настройкой прав. Это нужно, чтобы команды могли повторно использовать готовые решения, а не писать их заново.

No-code-сборка
Вы будете использовать конструктор, чтобы собирать агентов и пайплайны без написания кода. Нужно комбинировать готовые элементы — тулы, скилы, источники знаний. При этом в сборку сразу включаются необходимые компоненты: логи, мониторинги и контроль качества.

Инфраструктура знаний и памяти
Вы начнёте создавать сервис, который унифицирует работу с базами знаний агентов — продумывать, как оцифровывать данные, обновлять их и избегать накопления ненужной информации. Этот сервис обеспечит единые подходы к знаниям и памяти агентов, доступные всем командам.

Внедрение новинок
Вы будете быстро оценивать новые агенты, протоколы и подходы, внедрять их в контур и интегрировать — так, чтобы все команды могли сразу ими пользоваться, при этом сохраняя обратную совместимость.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

Мы ждем, что вы

• Писали production‑код на Python и проектировали бэкенд‑системы: API, очереди, хранилища, наблюдаемость
• Строили инфраструктуру, внутренние платформы или инструменты для других разработчиков — понимаете, чем платформенный продукт отличается от прикладного, и умеете думать за десятки своих пользователей
• Понимаете, как устроены LLM‑приложения и агенты: контекст, тулы, память, недетерминизм — и что нужно, чтобы это надёжно работало в проде
• Мыслите продуктово: часть ваших пользователей — люди без технического бэкграунда, и «сделать возможным» здесь мало, нужно «сделать простым»
• Следите за индустрией и готовы к её темпу: значимые для нас технологии выходят каждые пару месяцев, и подтаскивать их — прямая часть роли

Будет плюсом, если вы

• Работали с lang‑стеком или аналогичными фреймворками и знаете их особенности на собственном опыте
• Разрабатывали SDK, библиотеки, open‑source или no‑code/low‑code‑инструменты, которыми пользовались другие люди
• Занимались RAG, векторными базами и построением баз знаний
• Разрабатывали на Go