Разработчик python (ии- агенты)
Альфа-Банк — топовый работодатель с сильной инженерной культурой. Вакансия на острие технологий (AI-агенты) предлагает отличные возможности для профессионального роста и удаленный формат работы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Роль требует сочетания сильных навыков бэкенд-разработки на Python с глубокой экспертизой в области AI-агентов (LangChain, LangGraph). Высокие требования к опыту работы в финтехе и знанию асинхронности делают позицию сложной, но интересной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в объявлении не указана, однако для уровня Middle+/Senior Python Developer с экспертизой в AI в Москве рыночный диапазон составляет от 300 000 до 450 000 рублей. Альфа-Банк обычно предлагает конкурентные условия, соответствующие верхним границам рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Альфа-Банк. ИТ-специалисты
Разработчик python (ии- агенты)/Middle+
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-Разработка ИИ агентов и мультиагентной платформы: логика агентов, взаимодействие, оркестрация
-Интеграция с LLM: подключение моделей, промпты, обработка ответов
-API-разработка: REST API для интеграции с системами и микросервисами
-Работа с БД: оптимизированные SQL-запросы, миграции, индексирование, кеширование
-Асинхронная обработка: обработчики событий, очереди сообщений
-Обработка документов: парсинг, валидация, работа со структурированными инеструктурированными данными
-Безопасность: шифрование, валидация входных данных, информационная безопасность
-Развёртывание: Docker-образы, Kubernetes-манифесты, CI/CD pipeline
-Тестирование: unit-тесты, интеграционные тесты, покрытие кода
-Оптимизация: профилирование кода, оптимизация запросов, работа с кешем
-Документирование: docstrings, README, документация API и архитектуры
*☑️* Наши пожелания к кандидатам
-Опыт коммерческой разработки на Python (Python 3.9+) от 4+ лет
-Опыт создания ИИ агентов. AI-агенты: LangChain, LangGraph, CrewAI
-Работа в финансовом, корпоративном или высоконагруженном проекте
-Опыт асинхронного программирования
-Разработка REST API и микросервисов
-asyncio, aiohttp, FastAPI, Pydantic, Django, Flask
-Контейнеризация: Docker, основы Kubernetes
-Работа с PostgreSQL, Redis, MongoDB
-Будет плюсом:
-Созданием и внедрением мультиагентных систем
-Локальными LLM: Llama, Qwen, DeepSeek R1, Ollama, vLLM
-Fine-Tuning и работа с моделями
-Kafka, RabbitMQ, системы обмена сообщений
-Продвинутый SQL и оптимизация
-GPU расчёты и DevOps/MLOp
Контакты: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- LangChain
- LangGraph
- CrewAI
- FastAPI
- Django
- Flask
- PostgreSQL
- Redis
- MongoDB
- Docker
- Kubernetes
- Kafka
- RabbitMQ
- LLM
- asyncio
- Pydantic
Возможные вопросы на собеседовании
Проверка практического опыта работы с фреймворками для создания агентов.
Расскажите о самом сложном кейсе использования LangGraph или CrewAI в вашей практике: с какими проблемами оркестрации вы столкнулись?
Важно понимать, как кандидат обеспечивает надежность ответов LLM в критических банковских системах.
Какие методы валидации ответов LLM и защиты от галлюцинаций вы применяли в коммерческих проектах?
Проверка навыков работы с высоконагруженными системами.
Как вы подходите к оптимизации производительности при одновременной работе множества асинхронных агентов, взаимодействующих с БД и внешними API?
Оценка архитектурного мышления.
В чем, по вашему мнению, основные сложности при переходе от одиночного ИИ-агента к мультиагентной системе в корпоративной среде?
Проверка навыков работы с данными.
Опишите ваш опыт оптимизации SQL-запросов в PostgreSQL для систем, работающих с большими объемами неструктурированных данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

