Задачи:
— Проектировать и развивать LLM/AI-системы и AI-агентов;
— Строить многошаговые agentic workflows: routing, tool calling, state management;
— Работать с Prompt Engineering и Context Engineering;
— Управлять контекстом, памятью и состоянием диалога;
— Реализовывать structured output и function/tool calling;
— Строить RAG-пайплайны: chunking, embeddings, retrieval, reranking;
— Интегрировать LLM с API, базами данных и внутренними сервисами;
— Разрабатывать backend-сервисы на Go и AI-компоненты на Python;
— Исследовать новые модели и подходы, быстро проверять гипотезы;
— Выбирать модели с учетом качества, latency и стоимости;
— Строить систему оценки качества: evals, regression tests, golden datasets, LLM-as-a-judge;
— Анализировать логи и traces, улучшать качество и стабильность агентов;
— Реализовывать retries, fallbacks, timeouts и обработку ошибок;
— Доводить решения от прототипа до стабильного production.
Требования:
Go:
— production-сервисы;
— REST/gRPC API;
— concurrency;
— работа с БД;
— микросервисная архитектура.
Python:
— AI-сервисы и backend;
— async;
— API;
— обработка данных;
— быстрое прототипирование.
Также важно:
— Практический опыт разработки production-приложений с LLM;
— Понимание архитектуры современных AI-систем: prompt → context → tools → agent → state → evaluation;
— Опыт Prompt Engineering: system prompts, few-shot, prompt chaining, structured output;
— Опыт Context Engineering: memory, summarization, динамическая сборка контекста;
— Опыт создания AI-агентов и agentic workflows;
— Работа с LLM API и понимание особенностей разных моделей;
— Понимание RAG: embeddings, vector search, retrieval, reranking, hybrid search;
— Понимание evals, regression testing и анализа production-логов;
— Опыт с PostgreSQL, MongoDB, Redis, Docker, Git, CI/CD;
— Понимание production-подходов: observability, scalability, latency, retries, fallbacks и контроль стоимости.
Будет плюсом:
— Multi-agent системы;
— LangGraph;
— MCP;
— Langfuse / LangSmith;
— Elasticsearch / OpenSearch;
— Open-source LLM: Qwen, Llama, DeepSeek и др.;
— vLLM / Ollama;
— Kafka / RabbitMQ;
— Kubernetes;
— Оптимизация token usage, latency и стоимости LLM;
— Guardrails и защита от prompt injection;
— Highload-системы.
Ищем инженера, который воспринимает LLM не как простой API, а как компонент большой production-системы. Важно уметь проектировать всю логику вокруг модели: какие данные передать в контекст, какого агента или инструмент вызвать, как проверить результат, обработать ошибку и определить следующий шаг. Ищем software engineer с сильной AI/LLM-экспертизой, который умеет не только написать хороший промпт, но и довести всю систему до стабильного production-решения.
Разработка co-pilot решения на базе данных RAG и применении LLM. Разработка и интеграция AI-агентов, исследование новых поверхностей взаимодействия с AI.
Задачи:
— разработка классических LLM агентов
— разработка tools для агентов, а также skills-инструкций для LLM
— воспроизведение основных паттернов разработки в продуктовой парадигме
— участие в обсуждении требований с бизнес-заказчиками
— контроль качества agent-pipeline
— декомпозиция верхнеуровневых задач на исполнимые в рамках разработки
— вывод в production llm-приложений, agent'ских систем.
Требования:
— знания в области: математических анализ, линейная алгебра, Deep Learning, Classic ML, Python (async, fastapi, Semaphore)
— высшее образование (МГУ, Физтех, ВШЭ, РЭШ и тд)
— понимание построенных целевых решений, предложения по внесению изменений в архитектуру
— опыт работы в open-source LLM (GLM5.2, qwen 3.5, etc)
— знание фреймворков LangChain, LangGraph, fastapi, huggingface, а также regex и иных библиотек по обработке текста
— vanilla RAG, Advanced RAG, работа с контекстом llm
— базовое знание принципов промышленной разработки на python (SOLID, Singleton)
— базовый MLops (работа с version control, CI/CD)
Будет плюсом:
— опыт работы с openclaw, его форками
— использование llm GigaChat, Kandinsky
— опыт работы в финтехе
— опыт использования и доработки OCR.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможность выбрать удобный график – офис/гибрид
— ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
— 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.
ASOS.com — британский онлайн‑ритейлер модной одежды, обуви, аксессуаров и косметики. Размер команды — 1k-5k, инвестиции — £587.5M.
Технологии и инструменты: Microsoft Copilot Studio, Azure AI Foundry, Azure OpenAI, Semantic Kernel, LangChain, LangGraph, AutoGen/CrewAI, Python или C#/.NET.
Фаундеры компании: Nick Robertson, Andrew Regan, Quentin Griffiths, Deborah Thorpe.
В компании работают русскоговорящие сотрудники.
Что нужно делать? • Разрабатывать новые и поддерживать/улучшать существующие проекты (backend+ML+участие в деплое), а также улучшать мониторинг и аналитику запущенных проектов.
разработка PoC и MVP AI-агентов с использованием фреймворков для работы с LLM. адаптация и дообучение LLM на внутренних и внешних данных (SFT, LoRA, DPO, GRPO).
проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы (индексация, ретривал, ранжирование, генерация). разрабатывать автономных AI-агентов с использованием планирования, вызова инструментов (function calling) и мультиагентной оркестрации.
Разрабатывать и поддерживать backend-сервисы на Python (FastAPI, asyncio). Развивать логику диалогового агента: сценарии и состояния звонка, извлечение данных из реплик, работу с LLM.
We are looking for a Middle / Strong Middle NLP / LLM Engineer to develop production AI solutions across RAG, LLM applications, AI assistants, document processing and multilingual NLP, working closely with senior engineers. -Develop and improve RAG applications: chunking, embeddings, retrieval and reranking.
В рамках данной позиции предстоит заниматься проектированием и разработкой AI-агентов, включая реализацию сценариев, оркестрацию, вызов инструментов и интеграцию с внутренними сервисами. Необходимо преобразовывать прототипы и модели Data Science в стабильные промышленные решения, обеспечивая их упаковку, интеграцию в сервисы и пайплайны, версионирование и сопровождение. Работа включает разработку на Python сервисов, библиотек и пайплайнов, написание автотестов и участие в код-ревью. Также требуется проектировать, создавать и поддерживать витрины данных для ML-моделей и агентов, обрабатывать большие объемы данных с использованием SQL, Hadoop и Spark, оптимизировать запросы и вычислительные задачи. Важной частью является обеспечение качества и наблюдаемости решений через логирование, мониторинг, обработку ошибок и контроль качества данных. Кандидат должен иметь опыт промышленной разработки на Python не менее двух лет, уметь писать поддерживаемый код с типизацией, тестированием, обработкой ошибок и логированием, а также уверенно владеть SQL, включая сложные запросы, оконные функции и оптимизацию. Требуется опыт построения и сопровождения ETL/ELT-пайплайнов и витрин данных, а также опыт вывода сервисов, моделей или data-продуктов в промышленную эксплуатацию. Необходимо понимание принципов работы AI-агентов, включая оркестрацию, вызов инструментов, управление состоянием и интеграцию с API, а также жизненного цикла ML-модели от артефакта и данных до инференса, мониторинга и обновления. Будет преимуществом опыт разработки AI-агентов с использованием LangGraph, LangChain, LlamaIndex или собственного оркестратора, а также опыт работы с LLM, RAG и векторными хранилищами. Дополнительным плюсом считается опыт оркестрации пайплайнов в Airflow или аналогичных системах, работы с Kafka и событийными архитектурами, знание Docker, CI/CD и Kubernetes, практический опыт с Hadoop и Spark, внедрение ML- или LLM-сервисов во внутреннем контуре, а также опыт в банковском домене, продуктах для юридических лиц или документообороте. Формат работы — офис или гибрид в Москве.
В рамках данной позиции необходимо разрабатывать и внедрять механизмы изоляции и контроля для агентных систем, включая создание песочниц для выполнения инструментов, строгую изоляцию контуров, установку лимитов на действия и реализацию функции аварийного отключения агентов. В задачи входит настройка детального аудита логов действий агентов в продакшене, а также разработка и настройка системы мониторинга аномального поведения с оповещениями о подозрительных паттернах. Требуется проводить моделирование угроз и threat modeling для новых сценариев агентов на этапе проектирования, а также разрабатывать архитектурные решения и фильтры для защиты от атак на LLM, таких как prompt injection, data exfiltration и jailbreak, включая внедрение строгой валидации выходных данных агентов. Необходимо организовывать и проводить атаки на собственные агентные системы для выявления уязвимостей до их эксплуатации злоумышленниками, а также проводить аудит безопасности агентных пайплайнов от команды LLM-инженеров до продакшен-выкатки. Контроль исходящих данных включает обеспечение соблюдения политик по использованию данных и инвентаризацию всех потоков информации, направляемой во внешние LLM-провайдеры. Важной частью работы является настройка IAM и управление секретами, проектирование и внедрение ролевой модели доступа для агентов, определение прав доступа и безопасное хранение с ротацией секретов. Также требуется опыт использования сканеров исходного кода (SAST/DAST), включая подбор, пилотирование, установку, администрирование и интеграцию в CI/CD-конвейер, а также помощь разработчикам в расшифровке результатов и устранении уязвимостей. Кандидат должен уверенно владеть Python, иметь глубокие знания Docker и Linux, а также понимание принципов работы CI/CD. Необходим практический опыт threat modeling, работа с системами управления секретами (например, HashiCorp Vault), внедрение IAM-моделей, настройка песочниц и изолированных окружений. Важно понимание работы LLM и агентных систем, опыт с фреймворками LangChain, LangGraph, MCP и знание принципов Claude Code. Кандидат должен быть готов не только проводить ревью кода, но и самостоятельно проектировать и создавать безопасных агентов.
Задачи:
— проектировать и разрабатывать backend-сервисы и RESTful API (Python/Django)
— строить agentic-пайплайны на LangChain, LangGraph, n8n и аналогичных инструментах
— собирать и обрабатывать данные из внутренних систем (jira, confluence, продуктовые реестры, аналитические платформы)
— строить ETL/ELT-пайплайны на Python/Pandas/NumPy, в том числе потоковые данные через Kafka
— готовить данные для обучения/дообучения моделей и базово настраивать/оценивать качество ML/LLM-компонентов совместно с профильными специалистами
— разворачивать и эксплуатировать сервисы в закрытом контуре (production-инфраструктура внутри периметра безопасности, без выхода во внешний интернет): Docker, Kubernetes, CI/CD
— принимать архитектурные решения по сервисам и агентным пайплайнам — тестирование, код-ревью
— взаимодействовать с продуктовыми и инженерными командами при формировании требований и внедрении агентных и аналитических инструментов в рабочие процессы
— готовить дашборды и рекомендации для управленческих решений по приоритизации и балансировке портфеля продуктов.
Требования:
— от 3 лет опыта в backend-разработке с выводом решений в production
— опыт построения агентных систем — обязателен
— опыт самостоятельного проектирования архитектуры backend-сервисов и агентных пайплайнов, готовность нести ответственность за принятые технические решения
— Python — продвинутый уровень; Django, RESTful API
— SQL, опыт работы с реляционными и NoSQL хранилищами
— LangChain, LangGraph, MCP servers, опыт с n8n или аналогами; понимание RAG-архитектур, embeddings, векторных баз данных
— Pandas, NumPy, Kafka — обработка табличных и потоковых данных, ETL/ELT на больших объемах
— Docker, Kubernetes, CI/CD — уверенный пользовательский уровень.
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 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.
Задачи:
— Руководить командой Computer Vision Engineers
— Проектировать архитектуру production AI-систем
— Менторить инженеров и проводить code review
— Декомпозировать задачи и контролировать качество реализации
— Разрабатывать пайплайны обработки десятков и сотен RTSP-потоков
— Оптимизировать инференс на GPU и CPU
— Принимать ключевые технические решения
— Участвовать в найме и развитии AI-команды
Основной стек:
Python, PyTorch, OpenCV, YOLO, RTSP, GStreamer, NVIDIA DeepStream, TensorRT, Triton Inference Server, ONNX, OpenVINO, CUDA, FastAPI/gRPC, Docker и Kubernetes.
Что важно:
✅ Сильный коммерческий опыт в Computer Vision и Video Analytics
✅ Опыт технического лидерства или менторства
✅ Запуск production AI-систем
✅ Уверенное знание Python, PyTorch, OpenCV и YOLO
✅ Практический опыт с RTSP, GStreamer, DeepStream и TensorRT
✅ Оптимизация моделей через ONNX, TensorRT, OpenVINO, CUDA или Quantization
✅ Понимание высоконагруженной обработки видеопотоков
✅ Умение принимать и аргументировать архитектурные решения
Будет плюсом:
➕ Triton Inference Server
➕ C++ и CUDA
➕ Kafka и потоковая обработка данных
➕ MLflow и MLOps
➕ ViT, DETR, Swin и Video Transformers
➕ VLM, RAG, LangGraph, vLLM и Function Calling
➕ Опыт найма и формирования AI-команд
Предлагаем влияние на архитектуру и технологический стек, сильную инженерную команду и работу над высоконагруженной системой промышленного уровня.
Требуется специалист на позицию Senior AI/ML Engineer.
Требуемые навыки:
— Python
— OpenCV
— Deep Learning
— Компьютерное зрение
— Agentic systems
— FastAPI
— Langgraph
— DeepEval
— Langfuse
— vLLM
Вакансия предполагает полный рабочий день с возможностью удалённой работы.
Задачи:
• Формировать AI-стратегию и roadmap бизнес-направления.
• Находить наиболее перспективные точки применения AI.
• Самостоятельно запускать первые прототипы и AI-пилоты.
• Быстро проверять гипотезы и показывать первые измеримые результаты.
• Создавать AI-агентов, RAG-решения и AI-автоматизации.
• Формировать и приоритизировать портфель AI-инициатив.
• Совместно с FDE и AI-командой доводить успешные пилоты до production и масштабирования.
• Переосмысливать бизнес-процессы с учетом возможностей AI.
• Работать с руководителями бизнес-направлений и защищать AI-инициативы.
• Следить за развитием AI-технологий и применять новые подходы в реальных бизнес-кейсах.
Требования:
• 7+ лет профессионального опыта в технологиях, AI/ML, разработке продуктов или digital transformation.
• Практический опыт запуска AI/ML или технологических продуктов.
• Сильное понимание LLM, Generative AI, AI Agents и RAG.
• Способность самостоятельно собрать работающий AI-прототип.
• Product mindset и ориентация на быстрый результат.
• Стратегическое мышление и способность формировать AI-roadmap.
• Умение связывать технологии с конкретным бизнес-эффектом.
• Опыт работы с руководителями и топ-менеджментом.
• Высокая самостоятельность и ответственность за результат.
AI-инструменты и технические навыки:
• Практический опыт работы с OpenAI, Claude, Gemini, Llama, Qwen или аналогичными LLM.
• Работа с LLM API, Prompt Engineering, Tool/Function Calling.
• Создание AI-агентов с использованием LangChain, LangGraph, LlamaIndex или аналогов.
• Практическое понимание RAG, embeddings, vector databases.
• Использование AI coding-инструментов: Codex, Cursor, Claude Code или аналогов.
• Python, REST API, SQL — на уровне, достаточном для самостоятельного создания прототипов.
• Опыт работы с n8n, Make или другими инструментами автоматизации.
• Понимание принципов работы и ограничений LLM, стоимости моделей и вопросов безопасности корпоративных данных.
Кого мы ищем:
• Не классического бизнес-аналитика или координатора.
• Нужен человек, который способен: понять бизнес → увидеть возможность применения AI → самостоятельно собрать первый пилот → показать результат → сформировать roadmap → масштабировать решение вместе с командой.
Главный результат:
• Быстрые первые победы и последующая системная AI-трансформация бизнес-направления.
Задачи:
— развивать и рефакторить оркестрацию агентов на LangGraph
— разрабатывать скиллы и инструменты (tools) для агента
— интегрировать LLM (писать и оптимизировать system/user-промпты, проектировать Pydantic-схемы для структурированного вывода, настраивать параметры моделей)
— подключать внешние системы (HTTP API, Kafka, поисковые движки)
— строить RAG-пайплайн
— покрывать код unit-тестами
— участвовать в проектировании архитектуры агентских систем.
Требования:
— опыт разработки AI агентов от 1 года
— опыт разработки python от 3 лет
— опыт с веб-фреймворками (FastAPI и/или aiohttp) и проектировали REST API; опыт работы с WebSocket/SSE для real-time коммуникаций
— опыт интеграции LLM через API (GigaChat, аналоги)
— опыт с LangGraph/LangChain или похожими оркестраторами агентов
— опыт с PostgreSQL (проектирование схем, миграции, транзакции) и асинхронным доступом к БД
— умеете доводить LLM-фичи до стабильной работы в проде.
Будет плюсом:
— опыт работы с AEF
— опыт с RAG
— опыт с Kafka и событийными интеграциями
— опыт работы с Docker / Kubernetes, Helm, CI/CD пайплайнами
— 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
— инструментальное владение AI для анализа, генерации и автоматизации.
Условия:
— гибридный формат работы (2-3 дня в офисе). Офис по адресу: г.Москва офис Кутузовский проспект 32
— 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.