Мы — команда в Департаменте маркетинга Сбера. Мы строим ИИ-агентов на базе LLM, совмещая скорость стартапа с масштабом большой компании: у нас есть доступ к огромным массивам данных, серьёзная инфраструктура и свобода выбирать лучшие инструменты под задачу.
Наши агентные направления Вы будете развивать ключевое направление департамента — создавать агентные системы двух типов:
- Внутренние продукты для сотрудников. Автоматизация рабочих процессов внутри банка. Например, агенты, которые по текстовому брифу генерируют готовую структуру веб-страниц с контентом и изображениями, экономя время маркетинговых команд.
- Внешние интерфейсы для клиентов. Диалоговые ассистенты на публичных ресурсах. Ваш код будет напрямую взаимодействовать с миллионами пользователей сайта Сбербанка, помогая им получать ответы через GigaChat, поиск по базам знаний (RAG) и систему скиллов.
Наш главный продукт сегодня — backend AI-ассистента на сайте банка. Это сложная система оркестрации диалогов на LangGraph.
Сейчас мы собираем современный агентный стек с нуля (LangGraph, RAG, function calling).
Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!
Обязанности
- под руководством ментора разрабатывать и поддерживать оркестрацию агентов на LangGraph: реализовывать узлы графа, работать с состоянием и условными переходами
- писать и улучшать скиллы и инструменты (tools) для агента: интеграция с внешними HTTP API, валидация результатов по JSON Schema, простые ReAct-подграфы
- работать с LLM: писать и править промпты, проектировать Pydantic-схемы для структурированного вывода, экспериментировать с параметрами моделей и function/tool calling
- разрабатывать HTTP-контур: REST- и SSE-эндпоинты (инициация диалогов, стриминг ответов, управление историей) под руководством старших коллег
- участвовать в подключении внешних систем: HTTP API, Kafka, поисковые движки; помогать в развитии RAG-пайплайна (эмбеддинги, поиск, реранкинг)
- покрывать код тестами: unit- и интеграционные тесты (pytest, моки LLM и внешних сервисов); соблюдать стандарты качества — строгая типизация mypy, линтинг ruff, код-ревью
- участвовать в код-ревью (сначала как автор, затем как ревьюер), учиться архитектуре агентских систем и банковским требованиям к безопасности
- версионировать и проверять промпты: сравнение поведенческих сценариев, проверка на реальных моделях.
Требования
- уверенно пишете на Python (3.10+): знаете ООП, структуры данных, базовые алгоритмы; пишете чистый и читаемый код
- имеете практический опыт async/await / asyncio (коммерческий, стажировка или серьёзный пет-проект)
- знакомы с веб-фреймворками FastAPI и/или aiohttp на уровне pet-проектов или коммерческого опыта до 1–2 лет; понимаете основы REST API
- понимаете, как работают LLM через API (GigaChat, ChatGPT и аналоги): промпты, структурированный вывод, function/tool calling — хотя бы на уровне собственных экспериментов
- знакомы с LangChain/LangGraph или другими оркестраторами агентов либо готовы быстро освоить их при сильной инженерной базе
- знаете SQL и имеете базовый опыт работы с PostgreSQL (запросы, простые схемы, транзакции)
- используете Pydantic (или аналогичные инструменты валидации) и понимаете ценность строгой типизации
- готовы писать тесты (pytest), пользоваться Git, следовать стандартам код-ревью и CI/CD
- высокая обучаемость, curiosity к LLM-технологиям и желание расти в AI-инженерии
- начала высшего образования достаточно; рассматриваем студентов старших курсов и выпускников.
Будет плюсом
- стажировки или коммерческий опыт разработки на Python (от 3–6 месяцев)
- пет-проекты с LLM: телеграм-боты с AI, RAG-ассистенты, агентные приложения на LangChain/LangGraph
- понимание RAG: эмбеддинги, векторный поиск, pgvector
- базовые навыки Docker, Git, Linux
- опыт работы с кодинговыми агентами (GigaCode CLI) и понимание принципов SDD
- знакомство с Kafka, OpenSearch, наблюдаемостью (Grafana/Prometheus, OpenTelemetry)
- участие в хакатонах, олимпиадах, open-source
- понимание основ безопасности и интерес к банковскому домену
- 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.
