Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Команда развития внутренних технологических продуктов разрабатывает сервисы и агентные пайплайны на LLM, которые предоставляют продуктовым командам и руководству верифицированную аналитику для развития и балансировки портфеля инициатив. Данные собираются из внутренних систем, включая Jira, Confluence, продуктовые реестры, аналитические платформы и потоковые данные через Kafka. На их основе создаются граф знаний, RAG-сервисы, дашборды и отчёты для управленческих решений по приоритизации портфеля. Все сервисы работают в закрытом контуре внутри периметра безопасности, без выхода во внешний интернет.
задачи
Проектировать и разрабатывать бэкенд-сервисы и RESTful API для доступа продуктовых команд и руководителей к аналитике и ответам агентных систем с цитированием источников;
Строить агентные пайплайны на LangChain, LangGraph, n8n и аналогичных инструментах;
Оркестрировать LLM-агентов и интегрировать инструменты через MCP servers;
Реализовывать RAG поверх графа знаний;
Собирать и обрабатывать данные из внутренних систем, включая jira, confluence, продуктовые реестры и аналитические платформы;
Строить ETL/ELT-пайплайны на Python, Pandas и NumPy, включая потоковую обработку данных через Kafka;
Готовить данные для обучения и дообучения моделей;
Базово настраивать и оценивать качество ML/LLM-компонентов совместно с профильными специалистами;
Разворачивать и эксплуатировать сервисы в закрытом контуре с использованием Docker, Kubernetes и CI/CD;
Принимать архитектурные решения по сервисам и агентным пайплайнам;
Отвечать за качество и поддерживаемость кода, включая тестирование и код-ревью;
Взаимодействовать с продуктовыми и инженерными командами при формировании требований и внедрении агентных и аналитических инструментов;
Готовить дашборды и рекомендации для управленческих решений по приоритизации и балансировке портфеля продуктов.
требования
От 3 лет опыта в бэкенд-разработке с выводом решений в production;
Опыт построения агентных систем;
Опыт самостоятельного проектирования архитектуры бэкенд-сервисов и агентных пайплайнов;
Готовность нести ответственность за принятые технические решения;
Продвинутый уровень Python;
Опыт работы с Django и RESTful API;
Знание SQL, опыт работы с реляционными и NoSQL-хранилищами;
Знание LangChain, LangGraph и MCP servers, опыт работы с n8n или аналогами;
Понимание RAG-архитектур, embeddings и векторных баз данных;
Опыт работы с Pandas, NumPy и Kafka;
Опыт обработки табличных и потоковых данных и построения ETL/ELT-пайплайнов на больших объёмах;
Уверенное владение Docker, Kubernetes и CI/CD.
условия
Комфортный современный офис рядом с м. Кутузовская;
Гибридный формат работы;
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;
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.
.svg)
