Вакансии

Location: Москва Мы команда разработки продуктов для процесса корпоративного кредитования в банке. Занимаемся внедрением AI-агентов, которые автоматизируют строительную экспертизу для кредитования застройщиков. В работе предстоит разрабатывать решения на основе LLM GigaChat, которые взаимодействуют через API с автоматизированными системами банка. Обязанности ### Чем предстоит заниматься: * анализом требований и разработкой технических решений * внедрением новых технологий, инструментов и методов разработки * разработкой новых компонентов на базе API GigaChat в мультиагентной системе * декомпозицией задач и расставлением приоритетов в зависимости от задач бизнеса * оптимизацией и автоматизацией существующих процессов разработки * участием в полном цикле разработки: от идеи до продакшн-внедрения; * описанием решений в том числе при помощи ИИ; * продумыванием и написанием юнит-тестов, e2e-тестов и проведение code review * отслеживанием исследований и инноваций в области искусственного интеллекта и применением их на практике. Требования ### Мы ждём что вы: * получили высшее техническое или математическое образование * разрабатывали backend-приложения на Python более 2 лет * разрабатывали инфраструктуру для LLM * имеете опыт работы с Git и понимание git-flow * работали с реляционными БД * готовы разбираться в чужом коде и имеете опыт оптимизации кода/code-review * имеете опыт работы с экосистемой LangChain * знаете framework: FastAPI, FastStream, aiohttp, asyncio, grpcio * умеете применять: менеджеры пакетов (poetry/uv), линтеры (flake8, ruff, mypy), тестовые фреймворки (pytest) * имеете опыт работы с Jira, Confluence, BitBucket. ### Будет плюсом: * опыт работы в банках, телекоме или финтехе * опыт работы с инструментами DevOps (Jenkins, Nexus, OpenShift, Docker) * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов. Условия ### Что мы предлагаем: * комфортный современный офис рядом с м. Кутузовская проспект * формат работы – офис/гибрид * 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.

Основная работа — развитие и поддержка монорепозитория Python-сервисов: публичные API нескольких продуктов, админка, фоновые воркеры, биллинг, интеграции с внешними AI-провайдерами. Новые функции в сервисах на FastAPI: эндпоинт, схема БД, воркер, тесты.

Задачи: — самостоятельная разработка функционала платформы на Python — тестирование нового функционала — самостоятельное участие в процессах и решение средних и сложных задач — анализ ТЗ и согласование планов выполнения работ для текущих задач — обнаружение дефектов и повышение качества программного продукта Требования: — опыт коммерческой разработки бэкенд-разработчиком от 4-х лет — опыт разработки решений в монолитной и микросервисных архитектурах — понимание принципов взаимодействия с LLM, MCP-серверами — опыт работы с реляционными БД и SQL, векторными базами данных — опыт работы с FastApi — опыт работы с системами управления версиями GIT — базовые знания и опыт работы с системами Continuous Integration — проактивность при выполнении рабочих обязанностей — развитые коммуникационные навыки — будет плюсом: опыт разработки AI-агентов, использование протокола A2A

Задачи: — Разработка backend-сервисов на Python: API, интеграции, фоновые и долгие задачи; — Подключение языковых моделей по API и сборка на них прикладных сценариев для внутренних и клиентских продуктов; — Проектирование архитектуры решений (очереди, хранение результатов, интеграции); — Ведение технической экспертизы и участие в развитии команды. Требования: — Опыт коммерческой разработки на Python от 5 лет; — Опыт FastAPI и asyncio; — Уверенное владение PostgreSQL; — Опыт очередей или фоновых воркеров; — Понимание, как вызывать LLM как внешний сервис (таймауты, ошибки, ограничения); — Опыт проектирования архитектуры и интеграции сложных сервисов; — Docker; — Желание делиться экспертизой и развиваться в области AI. Будет плюсом: — Объектные хранилища; — Опыт RAG или векторного поиска. Условия: — Работа в аккредитованной IT компании; — Официальное трудоустройство в соответствии с ТК РФ; — Гибкое начало рабочего дня и возможность работать в удаленном, гибридном или офисном формате; — Компенсация спорта и ДМС; — Компенсация больничного 100%; — Внешнее обучение и сертификация за счет компании; — Участие в профильных мероприятиях (митапы, конференции, семинары, выставки); — Система наставничества и обучение внутри компании; — Бонусы от компании на знаковые даты и события; — Корпоративные мероприятия и различные активности.

В роли Python-разработчика предстоит создавать и совершенствовать высоконагруженные сервисы и платформенные решения на Python, участвовать в проектировании и улучшении архитектуры продуктов совместно с командой, а также оптимизировать производительность сервисов и автоматизировать процессы разработки. Работа включает взаимодействие с базами данных, распределёнными системами и современными инструментами разработки, участие в code review, обсуждение технических решений и развитие инженерных практик. Влияние на развитие продуктов охватывает все этапы — от проектирования до сопровождения. Кандидат должен хорошо владеть Python и понимать его принципы работы, иметь опыт участия в code review, разбираться в многопоточности и асинхронном программировании, писать читаемый и поддерживаемый код, а также иметь опыт работы с базами данных и понимание их принципов. Знание инструментов наблюдаемости, таких как логирование, метрики и трассировка, а также понимание принципов ООП, SOLID и основ функционального программирования являются обязательными. Дополнительным преимуществом будет опыт проектирования распределённых систем, работа с Kubernetes, внедрение AI-решений или интерес к AI, LLM и RAG, а также участие в улучшении процессов разработки и развитии продуктовых решений. Работа выполняется в удалённом формате.

Ищем Python-разработчика / AI Engineer уровня Middle+ / Senior на проект по автоматизации обработки и сверки финансовых документов. Проект связан с разработкой сервиса, который будет принимать акты сверки и внутренние выгрузки, извлекать из них данные, сопоставлять документы, находить расхождения и формировать понятный результат для пользователя. Задачи: — Разбирать и обрабатывать документы в форматах Excel, PDF и сканы. — Извлекать табличные данные из документов. — Нормализовать даты, номера документов, суммы и другие поля. — Проектировать и реализовывать логику сопоставления данных. — Выявлять расхождения между двумя источниками. — Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации. — Интегрировать OCR и Document AI-инструменты. — При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений. — Разрабатывать backend/API для сервиса. — Участвовать в проектировании архитектуры MVP. — Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных. Требования: — Коммерческий опыт разработки на Python от 3 лет. — Уверенное владение Python. — Опыт работы с pandas и табличными данными. — Опыт обработки Excel / CSV. — Опыт парсинга PDF. — Опыт разработки backend-сервисов и REST API. — Понимание алгоритмов сопоставления, нормализации и очистки данных. — Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ. — Опыт работы с Git. Будет большим плюсом: — Опыт с OCR: Tesseract, PaddleOCR или аналогами. — Опыт с PyMuPDF, pdfplumber, Camelot, Tabula. — Опыт с fuzzy matching. — Опыт работы с Document AI / Intelligent Document Processing. — Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов. — Опыт разработки систем reconciliation / data matching. — Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами. — Опыт On-Premise решений. — Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI. Что здесь не требуется: — Мы не ищем классического Data Scientist и не планируем обучение собственных ML-моделей с нуля. В проекте важнее: — сильная прикладная Python-разработка; — работа с документами и данными; — построение надежной логики сопоставления; — понимание, где действительно нужен AI, а где лучше использовать обычные алгоритмы. О проекте: — На первом этапе планируется разработка MVP без глубокой интеграции с внутренними учетными системами. — Базовый сценарий: пользователь загружает акт сверки и внутреннюю выгрузку, система извлекает и нормализует данные, выполняет сопоставление, показывает совпадения и расхождения, формирует структурированный результат для пользователя. — Ожидаемый результат — рабочий прототип, который можно проверить на реальных исторических данных. Условия: — Удалённая работа. — Проектная занятость / аутстафф. — Возможна полная или частичная загрузка — обсуждается индивидуально. — Проект стартует с этапа MVP, с возможностью продолжения. — Работа в составе небольшой проектной команды. Ожидаемый уровень: Middle+ / Senior Нам нужен специалист, который сможет самостоятельно разобраться в предметной области, предложить техническое решение и довести его до рабочего результата. Будет преимуществом в отклике: — опыт похожих задач: обработка документов, OCR, reconciliation / matching, financial data processing, Document AI, LLM-интеграции. — указание текущей доступности, возможной загрузки в часах в месяц, часовой ставки, формата работы (ИП / самозанятый / другой).

Задачи: — Разрабатывать платформу для создания внутренних ассистентов с использованием современных подходов. — Обеспечивать сотрудникам доступ к актуальным возможностям LLM — интеграция новых моделей, MCP и API. — Анализировать качество генеративных моделей, выявлять слабые места и предлагать способы их улучшения. — Постоянно держать руку на пульсе: следить за best practices и open source-проектами в области LLM и интеграций. — Разворачивать и поддерживать сервисы в Kubernetes: деплой, конфигурация, настройка мониторинга и алёртов. — Проводить Code Review и архитектурные ревью существующих решений, вносить предложения по оптимизации и развитию. Требования: — Опыт разработки от 5 лет. — Активный пользователь LLM, применяешь их в работе и личной жизни, понимаешь возможности и ограничения. — Опыт деплоя сервисов в продакшн и обеспечение их стабильной работы. Будет преимуществом: — Понимание архитектуры AI-агентов (оркестрация, memory, tools). — Опыт работы с одним из фреймворков для написания LLM пайплайнов: LangChain, LlamaIndex, Haystack. Условия: — Работа удалённо по РФ, возможен гибридный формат в офисах Москвы, Санкт-Петербурга и Новосибирска. — Нет дресс-кода и строгого графика. — Современные технологии, участие в конференциях. — ДМС и забота о здоровье сотрудников.

Проект: AI-платформа нового поколения. Миссия — спроектировать и внедрить экосистему для комплексного управления большими языковыми моделями (LLM). Задачи: - Самостоятельная разработка функционала платформы на Python - Тестирование нового функционала - Самостоятельное участие в процессах и решение средних и сложных задач - Обнаружение дефектов и повышение качества программного продукта Требования: - Опыт коммерческой разработки бэкенд-разработчиком — от 4 лет - Понимание принципов взаимодействия с LLM, MCP-серверами - Опыт работы с реляционными БД и SQL, векторными базами данных - Опыт работы с FastAPI

Задачи: — Разработка backend на Python — Создание устойчивой браузерной автоматизации — Работа с пользовательскими сессиями, очередями и расписаниями — Интеграция LLM и vision-моделей — Реализация памяти, контекста и инструментов AI-агента — Настройка логирования, мониторинга и восстановления после ошибок — Защита пользовательских данных и секретов — Участие в оценке архитектуры, сроков и технических рисков Требования: — Уверенное знание Python и asyncio — Опыт разработки production-систем, а не только отдельных скриптов — Опыт работы с Playwright или аналогами — Умение создавать автоматизацию для меняющегося и нестабильного интерфейса — Опыт реализации повторных попыток, переавторизации и восстановления после сбоев — Понимание идемпотентности действий — Опыт с долгоживущими фоновыми процессами, очередями, расписаниями и квотами — Опыт разработки LLM-приложений: агентные циклы, function calling, память и контекст диалога — Опыт работы с vision-моделями и контроля стоимости инференса — Понимание принципов шифрования, хранения секретов, разграничения доступа и аудита — Базовые навыки Docker, CI, логирования, метрик и алертов Будет преимуществом: — Опыт работы с прокси-инфраструктурой и сетевой изоляцией клиентов — Опыт в антифрод-, платёжных или дейтинг-продуктах — Понимание того, как внешние площадки реагируют на нетипичную активность — Опыт продуктовой разработки в условиях нестабильного внешнего API или интерфейса — Умение самостоятельно декомпозировать задачи и предлагать проверяемые решения На первом этапе необходимо: — Оценить реализуемость первой версии — Предложить архитектуру и последовательность разработки — Определить необходимые доступы, инфраструктуру и расходы — Собрать прототип для тестирования на отдельном аккаунте — Настроить фиксацию результатов, ошибок и причин остановки системы

Задачи: - Разработка и поддержка Python-скриптов и микросервисов для интеграции AI-инструментов в банковские процессы - Исследование и пилотирование AI-платформ (OpenClaw, Claude Code, LangChain и аналоги) - Участие в проектировании бэкенд-компонентов для взаимодействия с LLM - Проведение экспериментов: тестирование гипотез, сравнение моделей и инструментов - Участие в Code Review Требования: - Базовое знание Python (ООП, структуры данных, модули) - Понимание Git (коммиты, ветки, PR) - Знакомство с FastAPI (учебные проекты) и pytest - Понимание SQL (простые запросы) и принципов БД Условия: - Стажировка 3 месяца с возможностью продления или перехода в штат

Задачи: - разработка и поддержка Python-скриптов и микросервисов для интеграции AI-инструментов в банковские процессы - исследование и пилотирование AI-платформ (OpenClaw, Claude Code, LangChain и аналоги) для автоматизации задач разработки и бизнес-процессов - участие в проектировании бэкенд-компонентов для взаимодействия с LLM (совместно с командой) - проведение экспериментов: тестирование гипотез, сравнение моделей и инструментов - документирование результатов исследований и подготовка рекомендаций - участие в Code Review - работа в Agile-команде: участие в стендапах, спринтах и ретроспективах. Требования: - базовое знание Python (ООП, структуры данных, модули) - понимание Git (коммиты, ветки, PR) - основы SOLID и паттернов проектирования - знакомство с FastAPI (учебные проекты) и pytest - понимание SQL (простые запросы) и принципов БД - общее представление о CI/CD (Jenkins) и сетевых протоколах - понимание принципов работы LLM (на уровне концепций), опыт использования AI‑CLI (Claude Code, Codex и др. — достаточно пробовал)

Задачи: — развивать backend на Python — подключать LLM, инструменты, базы знаний и RAG — строить пайплайны оценки качества агентов — участвовать в архитектуре и ревью кода Встреча 15 августа онлайн.

Задачи: — разрабатывать и поддерживать микросервисы на FastAPI и взаимодействовать со смежными командами для интеграции компонентов и ML-моделей в сервисы — проводить системный анализ бизнес-требований при проектировании архитектуры и API (REST, Kafka) для новых сервисов (логика сценария, состояния, переходы, ограничения, ошибки, fallback-ветки, затронутые компоненты и критерии приемки) — развивать AI pipeline агента: корректировать и продумывать промпты для GigaChat, реализовывать RAG классификации, настраивать пороговые значения, настраивать эмбеддинг модели, реализовывать ограничения (лимиты) вызовов LLM с целью оптимизации затрат у ускорения работы — оптимизировать производительность сервисов на всех уровнях: код (asyncio, threading), хранение данных и запросы (PostgreSQL, продвинутый SQL, индексы, шардирование), кэширование (Ignite), работа с очередями (Kafka) — участвовать в проектировании тестовых сценариев и создании тестовых датасетов. Контролировать качество реализации, проводить глубокий анализ дефектов, определять их корневые причины. Требования: — опыт разработки на Python от 3 лет, включая самостоятельное проектирование архитектуры компонентов сервисов на основе бизнес-требований — практический опыт создания высоконагруженных и отказоустойчивых микросервисов на FastAPI, а также продуктов с внедрением ML решений — понимание принципа работы LLM/AI агентов, prompt-engineering, RAG, embeddings, классификации, latency и ограничений генеративных моделей — практический опыт работы с фреймворками ML/DS:(LangChain/GigaChain, Scikit-Learn, Pandas и др.) — глубокие знания в области асинхронных приложений, базовый SQL, опыт работы с брокерами сообщений (Kafka), Docker, Kubernetes — высокая культура совместной работы используя BitBucket/Jira, бережное отношение к коммитам, знание процессов Agile (Scrum) — опыт анализа логов через написание парсеров и диагностических инструментов. Условия: — комфортный современный офис на м. Кутузовская — формат работы: офис на время адаптации и далее гибрид (2–3 дня в неделю в офисе) — 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 — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендации друзей в команду Сбера.

Задачи: -разработка и поддержка Python-скриптов и микросервисов для интеграции AI-инструментов в банковские процессы -исследование и пилотирование AI-платформ (OpenClaw, Claude Code, LangChain и аналоги) для автоматизации задач разработки и бизнес-процессов -участие в проектировании бэкенд-компонентов для взаимодействия с LLM (совместно с командой) -проведение экспериментов: тестирование гипотез, сравнение моделей и инструментов -документирование результатов исследований и подготовка рекомендаций -участие в Code Review -работа в Agile-команде: участие в стендапах, спринтах и ретроспективах. Требования: -базовое знание Python (ООП, структуры данных, модули) -понимание Git (коммиты, ветки, PR) -основы SOLID и паттернов проектирования -знакомство с FastAPI (учебные проекты) и pytest -понимание SQL (простые запросы) и принципов БД -общее представление о CI/CD (Jenkins) и сетевых протоколах -понимание принципов работы LLM (на уровне концепций), опыт использования AI‑CLI (Claude Code, Codex и др. — достаточно пробовал)

Миссия: Спроектировать и внедрить экосистему для комплексного управления большими языковыми моделями (LLM). Задачи: - самостоятельная разработка функционала платформы на Python; - тестирование нового функционала; - самостоятельное участие в процессах и решение средних и сложных задач; - анализ ТЗ и согласование планов выполнения работ для текущих задач; - обнаружение дефектов и повышение качества программного продукта. Требования: - опыт коммерческой разработки бэкенд-разработчиком от 4-х лет; - опыт разработки решений в монолитной и микросервисных архитектурах; - понимание принципов взаимодействия с LLM, MCP-серверами; - опыт работы с реляционными БД и SQL, векторными базами данных; - опыт работы с FastApi; - опыт работы с системами управления версиями GIT; - базовые знания и опыт работы с системами Continuous Integration; - проактивность при выполнении рабочих обязанностей; - развитые коммуникационные навыки. Будет огромным плюсом: Опыт разработки AI-агентов, использования протокола A2A.

Обязанности: - Запускать и развивать сервисы, которые основаны на ML-моделях и LLM - Работать над проектами от идеи до продакшена: анализировать потребности, проектировать архитектуру, разрабатывать и внедрять проекты - Интегрировать модели в удобные для сотрудников интерфейсы - Вместе с командой влиять на технические решения и стандарты, внедрять лучшие практики Требования: - Опыт работы с Python 3 - Умение работать с FastAPI и базами данных PostgreSQL, контейнерами в Docker и кластерами Kubernetes - Умение писать тесты на Pytest - Интерес к миру ML на уровне доменной области - Самостоятельность и готовность нести ответственность за проект

Задачи: — разрабатывать backend-сервисы платформы на Python и развивать существующие компоненты — проектировать и реализовывать API и интеграции с внешними системами и инфраструктурными компонентами — разрабатывать интерфейсы и коннекторы для подключения к платформе LLM, инструментов (tools), баз знаний, внешней памяти и RAG-компонентов — строить и поддерживать пайплайны оценки качества агентов (evals, LLM-as-a-judge) — использовать AI-инструменты для ускорения разработки и валидировать их решения — через ревью, тесты и проверку на соответствие требованиям — участвовать в проектировании архитектуры сервисов, ревью кода и разборе инцидентов Требования: — опыт промышленной разработки на Python от 3 лет — сильные навыки system design: умение спроектировать сервис целиком, выбрать паттерны взаимодействия компонентов и обосновать архитектурные trade-off-ы — умение декомпозировать крупную задачу на части, годные для постановки агенту, и собирать из них целостное решение — практический опыт разработки кода с ИИ-агентами: Codex, Gemini, Claude Code, Qwen Code или аналоги — умение критически оценивать и валидировать решения, сгенерированные AI-агентами: находить ошибки, проверять корректность и границы применимости — опыт разработки веб-сервисов и API на FastAPI, Flask или аналогах, понимание asyncio — уверенное знание SQL и навыки проектирования реляционных схем данных — опыт работы с брокерами сообщений (Kafka или аналоги) — опыт работы с Docker, Kubernetes или OpenShift — понимание принципов наблюдаемости, отказоустойчивости и надёжной эксплуатации сервисов — готовность нести ответственность за итоговое качество кода независимо от того, написан он вручную или с помощью агента Будет плюсом: — опыт интеграции LLM API и построения агентных или RAG-сценариев — опыт работы с векторными хранилищами и базами знаний — опыт построения пайплайнов для evals и оценки качества моделей — опыт работы с OpenClaw или схожими платформами оркестрации агентных систем — опыт работы в финтехе или в защищённом контуре Условия: — строим платформу для GenAI-агентов, которая становится частью технологического контура банка — роль на стыке классической backend-разработки и AI: писать сервисы и проектировать работу агентов в проде — AI-инструменты — рабочая норма, ценится инженер с system design и ответственностью за качество решения — много нового функционала без тяжёлого legacy, изменения доводятся до промышленного контура — прозрачные процессы, регулярное улучшение инженерных практик, атмосфера открытости и взаимопомощи — гибридный формат работы, комфортный офис рядом с м. Кутузовская, ДМС и корпоративные льготы

Задачи: - Разрабатывать бэкенд LLM-агента для автоматизации поддержки - Учиться строить LLM-продукты и участвовать в формировании платформы для их развития - Следить за надежностью и качеством решений — агент будет работать под нагрузкой и решать проблемы миллионов пользователей - Решать задачи на стыке с Data Science, собирать легкие прототипы новых фич для проверки на пользователях - Следить за надежностью и качеством решений — внутренние инструменты работают с теми же гарантиями, что и внешние: мониторинг, алертинг, SLA Требования: - Опыт разработки на Python с использованием FastAPI, Pydantic, LangChain, LangGraph, LangFuse, punq - Опыт разработки распределенных систем: Kafka, PostgreSQL, Redis, Elastic - Опыт разработки сложных распределенных систем - Способность быстро выполнять задачи без критических ошибок - Приветствуется опыт работы с ML-продуктами и интерес к ML, NLP, LLM