Middle Python Developer

Обязанности

• SberData отвечает за развитие платформы для работы с данными в Сбере.
• У нас свыше 230 Петабайт данных, около сотни продуктов и сервисов для клиентов, включая Супермаркет данных, Дататеку, Лабораторию данных, Графовую платформу и многие другие.
• Мы создаем собственные сборки платформ в рамках вендорозамещения и активно сотрудничаем со всеми блоками Сбера для решения их бизнес-задач: наши пользователи сделали уже свыше 6500 витрин.
• SberData внедряет лучшие практики работы с данными, снижает стоимость хранения данных, повышает скорость получения данных, внедряет AI-технологии.
• Нашими решениями пользуются свыше 30 тыс человек.
• Проект: мы строим платформу на основе LLM-агентов и ищем разработчика, который поможет не просто «подключить ChatGPT», а проектировать надёжные агентные системы, отлаживать сложные цепочки и доводить задачи до результата самостоятельно.
• Первый этап отбора на эту вакансию – общение с AI-рекрутером.
• После отклика вам на почту придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут.
• Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры.
• ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием.
• Ваш опыт и участие помогут сделать его удобным и полезным!
• Задачи: разрабатывать и настраивать LLM-агентов: мультишаговые цепочки, tool use, управление памятью и состоянием строить RAG-пайплайны и подключать векторные БД (Chroma, Qdrant, Weaviate) интегрировать агентов с внешними сервисами через REST API писать и оптимизировать system prompts, настраивать воркфлоу для автоматизации разрабатывать агентов и скиллы тестировать качество ответов агентов, участвовать в code review.
• Требования: уверенное владение Python 3.10+: asyncio, type hints, pydantic, pytest практический опыт работы с LLM API — OpenAI, Anthropic, GigaChain / GigaChat или аналогами знание LangChain и LangGraph, понимание как строить агентов с инструментами опыт построения RAG-систем: чанкинг, эмбеддинги, работа с векторными хранилищами умение интегрировать сервисы: FastAPI, REST, OAuth 2.0, Docker базовое понимание serverless-архитектуры и очередей сообщений.
• Будет плюсом знакомство с eval-подходами и LLM-as-a-judge для оценки качества агентов опыт с MCP или DSPy базовый опыт с дообучением моделей: LoRA, SFT, DPO сi/cd (github actions), observability, Kubernetes на базовом уровне.
• Условия: комфортный современный офис: БЦ Даниловский форт, рядом с М.Тульская, Верхние котлы возможность выбрать удобный график – офис/гибрид 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 гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.