Senior LLM Engineer

Мы ищем инженера, который будет проектировать AI-агентов для департамента ключевых клиентов. Вы будете работать в связке с заказчиком, продуктом и инженерными командами, отвечая за технический результат агента end-to-end. Место работы: г Москва Требуемый опыт: От 3 до 6 лет Обязанности: * проектирование агентных архитектур: ReAct / планы-действия, tool calling, мультиагентные схемы, маршрутизация запросов между моделями и сценариями * разработка и оптимизация промптов (few-shot, CoT, structured output), управление контекстом, версионирование промптов вместе с кодом * реализация RAG: чанкинг, эмбеддинги, векторный и гибридный поиск, реранжирование, работа с метаданными и мультиязычными документами. * интеграция LLM с корпоративными системами через API и MCP-инструменты: написание и поддержка собственных tools, схем аргументов, обработка ошибок и таймаутов * построение оценочных контуров (evals): датасеты, LLM-as-a-judge, регрессионные прогоны на каждом изменении промпта или модели * защита от галлюцинаций и prompt injection, работа с отказами и обходными путями, контроль grounding на источниках * мониторинг качества и стоимости в продакшене: трейсинг, логирование шагов агента, , телеметрия токенов и задержек * упаковка агентов в сервисы: FastAPI / Python-бэкенд, контейнеризация, CI/CD, секреты, работа в контуре банка * подбор и сравнительная оценка открытых и проприетарных моделей под задачу клиента. Требования: * 5+ лет в разработке ПО, из них 2+ года в практической работе с LLM и агентными системами * уверенный Python и опыт промышленной разработки: тесты, ревью, CI/CD, работа в команде * практика с фреймворками агентов и LLM-стеком: LangChain / LangGraph, LlamaIndex, OpenAI/локальные API, Pydantic, асинхронность * глубокое понимание RAG, векторных БД (Qdrant / Milvus / pgvector и др.), эмбеддингов и стратегий поиска * опыт построения evals и оценки качества LLM-систем, а не только «демо-промптов» * навыки работы с генеративными AI-моделями * опыт вывода LLM-решения в продуктив и его последующей эксплуатации * понимание ограничений моделей: контекст, стоимость, задержки, деградация качества. Будет плюсом ---------------- * опыт fine-tuning (LoRA/QLoRA, SFT/DPO) и работы с моделями на своих мощностях * опыт сервинга моделей (vLLM/TGI), оптимизации inference и GPU-инфраструктуры * опыт интеграций с enterprise-ландшафтом: очереди, ESB, MCP, внутренние сервисы банка * публикации, доклады, вклад в open-source, опыт наставничества. Условия: * комфортный современный офис Москва, Кутузовская 32 * гибридный формат работы * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * программа ипотеки для сотрудников * подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.