LM-Backend Engineer Middle / Middle+

Мы ищем LLM-backend инженеров в БЛиК — команду, перед которой стоят две задачи: автоматизировать бизнес-процессы блока с помощью AI-инструментов и сделать AI-решения доступными каждому сотруднику, чтобы поднять продуктивность и интерес к теме у тех, кто принимает решения.

Мы используем Python, LangGraph, Kubernetes, а также собственные и внешние модели — и при этом свободно сочетаем готовые инструменты с решениями, которые пишем сами. Нам важны системы, которые приносят организации измеримый результат.

Вы будете ключевым специалистом в кросс-функциональной команде и будете работать бок о бок с backend, DS, Data и другими LLM-инженерами.

Первый этап отбора на эту вакансию — общение с AI- рекрутером. После отклика вам на почту придёт приглашение пройти первичное интервью с ГиаРекрутером. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГиаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Обязанности

• разрабатывать и сопровождать бэкенд AI-агентов: оркестрация графов на LangGraph — состояния, ветвления, циклы, human-in-the-loop, политики retry и fallback


• проектировать и версионировать инструменты (tools) для агентов, интегрировать их с внутренними системами банка через REST/gRPC/MCP/A2A


• работать со сложными промптами, настраивать источники данных под RAG для эффективного поиска и оценивать ответы моделей на точность, релевантность и качество


• упаковывать сервисы в Docker и выводить их в промышленный Kubernetes


• проектировать и проводить эксперименты и A/B-тесты над промптами, пайплайнами и конфигурациями моделей


• развивать систему eval — формировать наборы задач и сценариев, определять метрики accuracy/relevance/robustness, автоматизировать прогон экспериментов и анализ результатов; принимать продуктовые решения на основе метрик


• заниматься тонкой настройкой и оптимизацией конфигураций моделей и агентов: сравнивать модели, версии и параметры inference, подбирать баланс качества, latency и стоимости, обеспечивать устойчивость и предсказуемость работы оркестраций в production


• выстраивать мониторинг: трассировку цепочек вызовов, метрики латентности, токенов и стоимости, алертинг


• вместе с командой решать сложные задачи внедрения AI, ревьюить код и держать высокую планку качества решений.

Требования

• практический опыт работы с LLM: промпт-инжиниринг, сборка пайплайнов, интеграция моделей


• LangGraph — опыт разработки агентных графов, вывода их в прод и отладки нетривиального поведения


• Docker — сборка и оптимизация образов, multi-stage, работа с реестрами


• Kubernetes — реальный опыт эксплуатации сервисов в кластере, а не только знакомство по документации


• понимание метрик качества и практический опыт A/B-тестирования ML-решений


• умение приоритизировать гипотезы, обоснованно выбирать модели, методы и алгоритмы и проектировать эффективные инженерные решения


• опыт поставки качественного ПО и владение циклом разработки целиком от технического дизайна до мониторинга после выката


• уверенное владение Python и его экосистемой при этом language- и framework-agnostic подходе к задачам


• понимание ландшафта LLM-провайдеров: как коммерческих, так и open-source моделей, разворачиваемых в собственном контуре


• знакомство с open-source инструментами для построения и оценки RAG: LangChain, LlamaIndex, Ragas, MLflow и подобными


• умение объяснять сложные технические вещи широкой аудитории стейкхолдеров.

Будет плюсом:

• опыт вывода в прод бизнес-критичных ML/AI-приложений


• опыт адаптации, дообучения и разворачивания open-source моделей в on-premise или закрытом контуре


• MCP (Model Context Protocol), разработка MCP-серверов и проксирования инструментов


• мультиагентные архитектуры: маршрутизация, разделение ролей, общая память между агентами


• личное портфолио pet-проектов по ML или вклад в open-source


• опыт работы в банке, финтехе или другом регулируемом домене


• опыт построения Reat-агентов на современных open-source решениях


• опыт использования Openclaw, Hermes, Ouroboros


• 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.

Условия

• гибридный формат работы. Кутузовский проспект 32 к.1


• 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.