- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Python Developer (AI-агенты и LegalTech)
Оценка ИИСбер предлагает работу над передовыми технологиями (AI-агенты, GigaChat) в стабильной и крупной компании. Это отличная возможность для профессионального роста в одном из самых востребованных направлений IT.
Сложность вакансии
Оценка ИИРоль требует не только уверенного владения Python и асинхронностью, но и специфических знаний в области LLM, RAG и многоагентных систем (LangGraph). Высокая планка ожиданий обусловлена работой в крупнейшем банке страны над сложными AI-продуктами.
Анализ зарплаты
Оценка ИИЗарплата в Сбере для Senior/Middle+ Python разработчиков в сфере AI обычно соответствует или слегка превышает рыночные показатели Москвы, учитывая бонусы и расширенный соцпакет. Указанный диапазон отражает текущие реалии для специалистов с опытом работы с LLM.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Сбербанк уже сейчас
Присоединяйтесь к команде Сбера и создавайте будущее LegalTech на базе передовых AI-агентов!
Описание вакансии
ВАКАНСИЯ: Python Developer (AI-агенты и LegalTech)
Компания: ПАО Сбербанк
Локация: г Москва
Обязанности:
\* разработка и поддержка промышленных пайплайнов вокруг больших языковых моделей (LLM) — интеграция агентов, RAG-модулей, кэширования и асинхронных очередей
\* реализация многоагентных систем на базе LangGraph / LangChain — orchestration, routing, memory-модули, логика принятия решений
\* интегр
Требования:
\* опыт коммерческой разработки на Python 3+ от 3 лет
\* глубокое понимание асинхронного программирования, многопоточности и очередей сообщений
\* опыт построения микросервисной архитектуры и REST/gRPC-API
\* навыки работы с векторными базами данных или поисковыми движками
\* базовое понимание принципов работы LLM, RAG, агентов и промтинг-пайплайнов
Будет плюсом:
\* опыт с GraphRAG / LangGraph
\* знание DevOps-практик (CI/CD, контейнеризация, мониторинг)
\* опыт интеграции с LegalTech-системами, ML-API или хранилищами нормативных актов
\* 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....
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- Asynchronous Programming
- CI/CD
- Microservices
- REST
- RAG
- Docker
- gRPC
- LangChain
- LangGraph
- Vector Databases
- GigaChat
Возможные вопросы на собеседовании
Проверка практического опыта работы с фреймворками для AI-агентов.
Расскажите о вашем опыте работы с LangGraph или LangChain: какие основные сложности возникали при оркестрации агентов?
Оценка понимания архитектуры RAG-систем.
Как бы вы оптимизировали RAG-пайплайн для работы с огромным массивом юридических документов в LegalTech?
Проверка навыков работы с асинхронностью в Python.
В каких случаях вы предпочтете использование асинхронных очередей сообщений при интеграции с LLM API?
Оценка знаний в области векторных БД.
Какие векторные базы данных вы использовали и по каким критериям выбирали их для конкретных задач?
Проверка продуктового мышления в контексте AI.
