Мы ищем LLM-backend инженеров в БЛиК — команду, перед которой стоят две задачи: автоматизировать бизнес-процессы блока с помощью AI-инструментов и сделать AI-решения доступными каждому сотруднику, чтобы поднять продуктивность и интерес к теме у тех, кто принимает решения.
Мы используем Python, LangGraph, Kubernetes, а также собственные и внешние модели — и 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 вам на почту придёт приглашение пройти первичное интервью с ГиаРекрутером. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГиаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!
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
- 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
- уверенное владение Python и его экосистемой при этом language- и framework-agnostic подходе к задачам
- 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
- личное портфолио pet-проектов по ML или вклад в open-source
- опыт работы в банке, финтехе или другом регулируемом домене
- опыт построения Reat-агентов на современных open-source решениях
- опыт использования Openclaw, Hermes, Ouroboros
- навыки работы с генеративными AI-моделями
- опыт создания AI-агентов и использования их в работе будет преимуществом
- опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
Условия
- гибридный формат работы. Кутузовский проспект 32 к.1
- 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.