О проекте и задаче: Мы активно внедряем AI-агентов в наши бизнес-процессы. Наши сильные Java-разработчики создают прототипы и MVP агентов на Python, используя AI-ассистентов для ускорения разработки (vibe coding). Нам нужен сильный Python-разработчик, который станет «стражем продакшена». Ваша задача — не просто писать код, а валидировать, рефакторить и доводить до ума Python-код, написанный Java-командой, обеспечивая его надежность, производительность и безопасность при выводе в прод.
Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!
Что нужно будет делать
•code Review и валидация: Проверять Python-код, написанный Java-разработчиками (в т.ч. сгенерированный AI). Искать антипаттерны, узкие места и потенциальные баги.
•production Hardening: Превращать «вайб-прототипы» в отказоустойчивые сервисы. Добавлять правильную обработку ошибок, ретраи, таймауты, метрики и логирование.
•наставничество: Объяснять Java-разработчикам специфику Python, чтобы они писали идиоматичный (Pythonic) код, а не «Java на Python».
•архитектура агентов: Проектировать цепочки (pipelines) AI-агентов, работу с памятью (memory), вызовами инструментов (tool calling) и векторными базами данных.
•написание ядра: Писать ключевые, самые нагруженные или сложные компоненты системы самостоятельно.
Наши ожидания (Hard Skills)
•отличное знание Core Python: Крепкая база. Понимание управления памятью, сборщика мусора, итераторов и генераторов. Умение писать чистый, поддерживаемый и идиоматичный код.
•AI / LLM Stack: Опыт работы с LLM API (OpenAI, Anthropic, локальные модели и др.). Умение писать свои надежные обвязки над API. Опыт с LlamaIndex или другими фреймворками (без LangChain).
•структурирование данных: Идеальное знание Pydantic. Понимание, как заставить LLM выдавать строгий JSON и как его корректно валидировать.
•backend: Уверенный опыт с FastAPI. Понимание, как упаковать агента в REST/gRPC сервис.
•базы данных: Опыт работы с реляционными БД (PostgreSQL) и векторными БД (pgvector, Qdrant, Weaviate и т.д.).
•тестирование: Опыт написания тестов (pytest), в том числе моков для LLM и внешних API.
•инструменты: Docker, базовое понимание CI/CD (GitLab/GitHub Actions).
Будет большим плюсом (Nice to have)
•понимание Java: Базовое чтение кода на Java или опыт перехода с Java на Python. Это поможет вам говорить с командой на одном языке и понимать почему они написали именно так.
•опыт использования фреймворков для мультиагентных систем (AutoGen, CrewAI, LangGraph).
•опыт оптимизации производительности (профилирование, использование многопоточности/многопроцессорности для тяжелых задач).
Что мы предлагаем
•комфортный современный офис рядом м. Кутузовская
•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
•бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
•вознаграждение за рекомендацию друзей в команду Сбера.
