Python/AI Engineer (GenAI)

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.**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 ретривала.**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 отчётностью.* 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.