Agent SRE (Site Reliability Engineer for AI Agents) (Blockchain)

🏢 ОфисSeniorПолная занятость

Зарплата не указана

Навык востребован (AI). Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Мы разрабатываем инновационное решение в области блокчейн-технологий — эффективную систему кодогенерации на новом языке программирования смарт-контрактов с использованием современных LLM-моделей. Наша архитектура построена на основе мультиагентного подхода: несколько AI-агентов взаимодействуют друг с другом, последовательно решая подзадачи от анализа требований до генерации, валидации и оптимизации кода. Мы ищем Agent SRE, который обеспечит надежную, масштабируемую и наблюдаемую эксплуатацию этих агентов. Вам предстоит строить инфраструктуру надежности для ИИ-агента и RAG-систем: управлять их

Чем предстоит заниматься

Обеспечение надежности, масштабируемости и отказоустойчивости инфраструктуры для запуска агентных систем в Kubernetes

Управление CI/CD пайплайнами на базе Jenkins и BitBucket, внедрение GitOps-подходов с использованием Helm для декларативного управления релизами

Настройка систем мониторинга, логирования и трейсинга для инфраструктурных компонентов

Трейсинг агентов: внедрение трассировки цепочек рассуждений агентов, мониторинг их поведения и производительности. Интеграция с PGVector и Qdrant для отслеживания качества RAG-запросов и семантического поиска

Определение и мониторинг SLI — доля успешных генераций кода (success rate), точность (hallucination rate), время выполнения задачи, стоимость токенов

Тестирование и валидация агентов: разработка пайплайнов регрессионного тестирования агентов (evals), нагрузочное тестирование агентных систем

Внедрение "предохранителей" (circuit breakers) для защиты от каскадных отказов и автоматического ограничения нагрузки при сбоях агентов

Мониторинг поведения агентов для обнаружения аномалий и отклонений от штатного режима (rogue detection)

Разработка сценариев автономного восстановления агентов при типовых инцидентах без участия человека (self-healing)

Перевод инструкций и процедурных знаний (runbook'ов) в исполняемые сценарии для агентов с целью сокращения ручного труда (toil reduction)

Планирование работ, оценка задач, ведение документации

Наши требования

Опыт в роли SRE/DevOps от 3 лет коммерческого опыта эксплуатации высоконагруженных распределенных систем

Глубокое понимание Kubernetes (архитектура, операторы, Custom Resources, Helm, сетевые политики), опыт эксплуатации кластеров в ПРОМе

Опыт с Jenkins (написание pipeline на Groovy), управление артефактами, интеграция с BitBucket (Git, PR, webhooks)

Продвинутый Python - опыт написания скриптов, инструментов автоматизации, API-клиентов, тестов

Опыт работы с PGVector и/или Qdrant (развертывание, настройка, оптимизация запросов, мониторинг производительности), с реляционными СУБД PostgreSQL

Опыт работы с Prometheus, Grafana, Loki, OpenTelemetry; умение строить SLO/SLI-дашборды и алерты

Уверенное владение Jira (ведение задач, эпиков, спринтов, фильтров, дашбордов)

Опыт написания юнит-тестов на Python (pytest), интеграционных тестов, опыт нагрузочного тестирования (k6, Locust, JMeter)

Опыт работы с ЦФА, блокчейнами, смарт-контрактами

Опыт с LLM и агентными фреймворками — понимание архитектуры RAG, работа с LangChain/LlamaIndex, знание особенностей LLM-провайдеров (OpenAI, Anthropic, DeepSeek)

Опыт работы с инструментами наблюдаемости для LLM — LangSmith, Weights & Biases, Arize

Опыт развертывания и оптимизации GPU-ворклоадов (vLLM, Triton, NVIDIA stack)

Опыт Chaos Engineering, опыт тестирования отказоустойчивости (Gremlin, Litmus)