LLM Backend Engineer

Эта вакансия в архивеПосмотреть похожие вакансии ↓

Сбер·Москва·6 окт.

LLM Backend Engineer

Ориентир по рынку≈ 130 000 – 300 000 ₽наша приблизительная оценка по 47 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Сумму в объявлении не указали. Ориентир на созвон: столько платят в 47 похожих вакансиях Backend Developer уровня Middle.

платят меньше130 000 – 300 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Опубликована 13 дней назад. Раньше не выкладывалась: вакансия новая, а свежие почти всегда живые.

Свежая

Описание

Обязанности: 9, требования: 23. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноLLMLangChainDockerKubernetesPythonSQLMLRAGRESTgRPC

ПлюсомRedisClickHouseKafkaReact

Надбавка к зарплате на этом уровне: Python +40%, REST +26%, SQL +20%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

Мы ищем LLM инженеров в команду AI HUB БЛиК, перед которой стоят две задачи: агентизировать HR-процессы Банка с помощью AI-инструментов и внедрить их в платформу Пульс, сделав решения доступными каждому из сотрудников. Мы используем Python, LangGraph, Kubernetes, а также собственные и внешние модели. При этом, свободно сочетаем готовые инструменты с решениями, которые пишем сами. Нам важны системы, которые приносят организации измеримый результат.

О роли

Вы будете ключевым специалистом в кросс-функциональной команде и будете работать бок о бок с backend, DS, Data и другими LLM-инженерами. Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой пут

Чем предстоит заниматься

Разрабатывать и сопровождать бэкенд AI-агентов: оркестрация графов на LangGraph — состояния, ветвления, циклы, human-in-the-loop, политики retry и fallback

Проектировать и версионировать инструменты (tools) для агентов, интегрировать их с внутренними системами банка через REST/gRPC/MCP/A2A

Работать со сложными промптами, настраивать источники данных под RAG для эффективного поиска и оценивать ответы моделей на точность, релевантность и качество

Упаковывать сервисы в Docker и выводить их в промышленный Kubernetes

Проектировать и проводить эксперименты и A/B-тесты над промптами, пайплайнами и конфигурациями моделей

Развивать систему eval — формировать наборы задач и сценариев, определять метрики accuracy/relevance/robustness, автоматизировать прогон экспериментов и анализ результатов; принимать продуктовые решения на основе метрик

Заниматься тонкой настройкой и оптимизацией конфигураций моделей и агентов: сравнивать модели, версии и параметры inference, подбирать баланс качества, latency и стоимости, обеспечивать устойчивость и предсказуемость работы оркестраций в production

Выстраивать мониторинг: трассировку цепочек вызовов, метрики латентности, токенов и стоимости, алертинг

Вместе с командой решать сложные задачи внедрения AI, ревьюить код и держать высокую планку качества решений

Наши требования

Практический опыт работы с LLM: промпт-инжиниринг, сборка пайплайнов, интеграция моделей

LangGraph — опыт разработки агентных графов, вывода их в прод и отладки нетривиального поведения

Docker — сборка и оптимизация образов, multi-stage, работа с реестрами

Kubernetes — реальный опыт эксплуатации сервисов в кластере, а не только знакомство по документации

Python — глубокое понимание asyncio / multithreading / multiprocessing, понимание алгоритмов и структур данных для решения нетривиальных задач, продвинутые знания SQL: сложные JOIN, CTE, оконные функции, оптимизация запросов (EXPLAIN), работа с подзапросами

Понимание метрик качества и практический опыт A/B-тестирования ML-решений

Умение приоритизировать гипотезы, обоснованно выбирать модели, методы и алгоритмы и проектировать эффективные инженерные решения

Опыт поставки качественного ПО и владение циклом разработки целиком — от технического дизайна до мониторинга после выката

Понимание ландшафта LLM-провайдеров: как коммерческих, так и open-source моделей, разворачиваемых в собственном контуре

Знакомство с open-source инструментами для построения и оценки RAG: LangChain, LlamaIndex, Ragas, MLflow и подобными

Умение объяснять сложные технические вещи широкой аудитории стейкхолдеров

Опыт вывода в прод бизнес-критичных ML/AI-приложений

Опыт адаптации, дообучения и разворачивания open-source моделей в on-premise или закрытом контуре

MCP (Model Context Protocol), разработка MCP-серверов и проксирования инструментов

Мультиагентные архитектуры: маршрутизация, разделение ролей, общая память между агентами

Практический опыт работы с Redis (кэширование, брокер) и ClickHouse (или другими колоночными СУБД), опыт работы с очередями сообщений: Kafka и/или Celery

Личное портфолио pet-проектов по ML или вклад в open-source

Опыт работы в банке, финтехе или другом регулируемом домене

Опыт построения React-агентов на современных open-source решениях

Опыт использования Openclaw, Hermes, Ouroboros

Навыки работы с генеративными AI-моделями, опыт создания AI-агентов и использование их в работе будет преимуществом

Опыт использования GigaChat, Kandinsky и аналогов в продуктах

Инструментальное владение Ai для анализа, генерации и автоматизации