Python/AI Engineer (GenAI)

О проекте: Мы разрабатываем платформу автономных ИИ-агентов для бизнес-процессов корпоративно-инвестиционного бизнеса. Наша цель — сделать взаимодействие с ИИ надежным, предсказуемым и безопасным. Ищем: Backend-разработчика на Python, который спроектирует и реализует ядро мультиагентных систем и RAG-пайплайнов промышленного уровня для работы со сложными финансовыми данными.• Разрабатывать архитектуру агентов: проектировать мультиагентные системы (LangGraph/LlamaIndex), реализуя паттерны ReAct, Plan-and-Execute, Tool Calling и guardrails • Строить End-to-End RAG: настраивать ингестию, чанкинг, гибридный поиск и реранкинг; парсить сложные финансовые документы (Table Transformers, OCR) • Развивать Backend: писать production-grade код на FastAPI, интегрироваться с внутренними системами банка (PostgreSQL, Kafka, Redis), оптимизировать производительность и асинхронность • Работать с данными: разрабатывать ETL-процессы для финансовых данных (Pandas/Polars),создавать коннекторы и инструменты для агентов • Обеспечивать надежность: внедрять обработку недетерминированного поведения LLM, JSON-схемы, трассировку и механизмы fallback • Настраивать DevOps: собирать и развертывать сервисы в Docker/K8s, настраивать CI/CD специально для LLM-сервисов • Оценивать качество: работать с golden datasets, метриками ретривала, LLM-as-a-Judge и детекцией галлюцинаций• Опыт: от 5-ти лет коммерческой разработки на Python с деплоем в продакшн; минимум 1 завершенный проект с AI/LLM (RAG или агенты) • Python & Backend: продвинутый async, type hints, уверенное владение FastAPI/Django, опыт профилирования и кэширования • LLM-стек: практический опыт с агентными фреймворками (LangGraph, LangChain, LlamaIndex, CrewAI) и API провайдеров • RAG-экспертиза: глубокое понимание dense/sparse retrieval, hybrid search, HyDE; опыт работы с векторными БД • Инфраструктура и данные: Docker, CI/CD; SQL/NoSQL (PostgreSQL, Kafka); обработка больших объемов данных • Аналитика: способность декомпозировать нечеткие бизнес-задачи на технические спецификации для ИИ-систем Будет плюсом: • Понимание MCP (Model Context Protocol) • Опыт работы с финансовыми документами или регуляторной отчетностью • Базовое знание ML-библиотек (PyTorch/TensorFlow) или опыт fine-tuning (LoRA/QLoRA) • Опыт оптимизации высоконагруженных REST/gRPC API • Владение инструментами оценки (DeepEval, Ragas) • Ссылки на GitHub / пет-проекты / статьи по теме* 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 * прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.