Junior AI-agents developer (Pyhton)

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:

1. 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.
2. 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!

* 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.

* 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 LangCha