AI Agent Engineer (1 to 1000, вайбкодинг)

400 000 – 650 000 ₽

≈ 4,6 тыс.–7,5 тыс. $

🏢 ОфисSeniorПолная занятость

400 000 – 650 000 ₽≈ 4,6 тыс.–7,5 тыс. $

Сильная вакансия

Платят на 86% выше медианы грейда, навык востребован (Python).

Нажмите на сигнал, чтобы увидеть, на чём он основан

Описание вакансии

Мы делаем AI-native продукт для массового рынка — не «прикрутили чат-бота к существующему приложению», а строим продукт вокруг возможностей современных моделей с нуля. Детали расскажем на первом созвоне, но амбиция такая: продукт, которым вы сами захотите пользоваться каждый день.

Продукт уже на рынке — сейчас этап роста 1→10 000: масштабируем то, что сработало, и быстро добавляем новое. Работаем в режиме стартапа: гипотеза → прототип → реальные пользователи → данные → решение. Цикл занимает дни, а не кварталы. Процессов минимум, влияния максимум.

Почему это интересно

Агенты — самый горячий фронтир в AI: вы будете строить их руками, а не читать про них в дайджестах.

Этап роста: ваши фичи сразу попадают к живым пользователям, эффект виден в метриках через дни.

Никакого legacy — архитектуру агентного слоя проектируете вы.

Доступ к передовым моделям и инструментам, эксперименты поощряются.

Обязанности

Развивать агентный слой продукта: agentic search, браузерный агент, работа с внешними сервисами.

Подключать инструменты: tools по API, MCP-серверы, взаимодействие агентов по A2A.

Проектировать оркестрацию: как агент планирует, выбирает инструменты, обрабатывает ошибки и восстанавливается.

Придумывать и запускать механики, которые растят продуктовые метрики: вовлечённость, удержание, время в продукте.

Строить эвалы и метрики качества агентов — понимать, где агент справляется, а где ломается.

Быстро проверять гипотезы: агентный сценарий в прототипе за дни, решение по данным.

Требования

Коммерческий опыт на Python, умение самостоятельно доводить фичи до прода.

Глубокая практика с LLM: function calling / tool use, многошаговые агентные сценарии.

Реальный опыт подключения инструментов: API-интеграции, MCP — или быстро разберётесь (A2A пока мало у кого, честно).

Опыт браузерной автоматизации (Playwright и т. п.) или желание построить браузерного агента руками.

Понимание продуктовых метрик (retention, вовлечённость, время в продукте) и того, как фичи на них влияют.

Свободное владение AI-инструментами разработки (Cursor, Claude Code и т. п.).

Комфорт в неопределённости: приоритеты меняются, ресурсы ограничены — зато решения ваши.

Плюсом: свой агентный пет-проект, вклад в open-source (фреймворки, MCP-серверы).

Условия

Гибкий гибрид (обсуждаем индивидуально).

Современный IT-офис вблизи Москва-Сити с фитнес-залом.

Ипотека с выгодой для сотрудника и льготные условия кредитования.

Бесплатная подписка СберПрайм+.

Скидки на продукты компаний-партнёров.

ДМС с первого дня и льготное страхование для близких.

Корпоративная пенсионная программа.

Обучение за счёт компании: онлайн-курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.

Крупнейшее DS&AI Community — более 600 DS-банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих вузов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчёты с крупнейших конференций мира.