Мы ищем LLM инженеров в команду AI HUB БЛиК, перед которой стоят две задачи: агентизировать HR-процессы Банка с помощью AI-инструментов и внедрить их в платформу Пульс, сделав решения доступными каждому из сотрудников. Мы используем Python, LangGraph, Kubernetes, а также собственные и внешние модели. При этом, свободно сочетаем готовые инструменты с решениями, которые пишем сами. Нам важны системы, которые приносят организации измеримый результат. Вы будете ключевым специалистом в кросс-функциональной команде и будете работать бок о бок с backend, DS, Data и другими LLM-инженерами. Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности разрабатывать и сопровождать бэкенд AI-агентов: оркестрация графов на LangGraph — состояния, ветвления, циклы, human-in-the-loop, политики retry и fallback проектировать и версионировать инструменты (tools) для агентов, интегрировать их с внутренними системами банка через REST/gRPC/MCP/A2A работать со сложными промптами, настраивать источники данных под RAG для эффективного поиска и оценивать ответы моделей на точность, релевантность и качество упаковывать сервисы в Docker и выводить их в промышленный Kubernetes проектировать и проводить эксперименты и A/B-тесты над промптами, пайплайнами и конфигурациями моделей развивать систему eval — формировать наборы задач и сценариев, определять метрики accuracy/relevance/robustness, автоматизировать прогон экспериментов и анализ результатов; принимать продуктовые решения на основе метрик заниматься тонкой настройкой и оптимизацией конфигураций моделей и агентов: сравнивать модели, версии и параметры inference, подбирать баланс качества, latency и стоимости, обеспечивать устойчивость и предсказуемость работы оркестраций в production выстраивать мониторинг: трассировку цепочек вызовов, метрики латентности, токенов и стоимости, алертинг вместе с командой решать сложные задачи внедрения AI, ревьюить код и держать высокую планку качества решений. Требования практический опыт работы с LLM: промпт-инжиниринг, сборка пайплайнов, интеграция моделей LangGraph — опыт разработки агентных графов, вывода их в прод и отладки нетривиального поведения Docker — сборка и оптимизация образов, multi-stage, работа с реестрами Kubernetes — реальный опыт эксплуатации сервисов в кластере, а не только знакомство по документации Python — глубокое понимание asyncio / multithreading / multiprocessing, понимание алгоритмов и структур данных для решения нетривиальных задач, продвинутые знания SQL: сложные JOIN, CTE, оконные функции, оптимизация запросов (EXPLAIN), работа с подзапросами понимание метрик качества и практический опыт A/B-тестирования ML-решений умение приоритизировать гипотезы, обоснованно выбирать модели, методы и алгоритмы и проектировать эффективные инженерные решения опыт поставки качественного ПО и владение циклом разработки целиком — от технического дизайна до мониторинга после выката понимание ландшафта LLM-провайдеров: как коммерческих, так и open-source моделей, разворачиваемых в собственном контуре знакомство с open-source инструментами для построения и оценки RAG: LangChain, LlamaIndex, Ragas, MLflow и подобными умение объяснять сложные технические вещи широкой аудитории стейкхолдеров. Будет плюсом: опыт вывода в прод бизнес-критичных ML/AI-приложений опыт адаптации, дообучения и разворачивания open-source моделей в on-premise или закрытом контуре MCP (Model Context Protocol), разработка MCP-серверов и проксирования инструментов мультиагентные архитектуры: маршрутизация, разделение ролей, общая память между агентами практический опыт работы с Redis (кэширование, брокер) и ClickHouse (или другими колоночными СУБД), опыт работы с очередями сообщений: Kafka и/или Celery личное портфолио pet-проектов по ML или вклад в open-source опыт работы в банке, финтехе или другом регулируемом домене опыт построения React-агентов на современных open-source решениях опыт использования Openclaw, Hermes, Ouroboros навыки работы с генеративными AI-моделями, опыт создания AI-агентов и использование их в работе будет преимуществом опыт использования GigaChat, Kandinsky и аналогов в продуктах инструментальное владение Ai для анализа, генерации и автоматизации. Условия гибридный формат работы(2 дня в офисе, 3 дня дома), адрес офиса Кутузовский проспект 32 ежегодный пересмотр зарплаты, квартальная и годовая премия корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития программа адаптации и помощь руководителя на старте расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ подписка Прайм с возможностью совместного использования на трёх близких вознаграждение за рекомендацию друзей в команду Сбера.
Похожие вакансии