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 ретривалаТребования 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 отчётностьюУсловия 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.
Похожие вакансии