Senior Python Backend Developer (MWS AI)

Ориентир по рынку≈ 275 000 – 425 000 ₽наша приблизительная оценка по 50 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисSeniorПолная занятость

≈ 275 000 – 425 000 ₽наша приблизительная оценка

Наша компания

О продукте Сейчас к нам в команду мы ищем эксперта разработки, который возьмёт на себя самые критичные и нагруженные части платформы. Нам важен не только сильный инженер, но и человек, кому интересно, как индустрия агентов взрослеет на глазах: от prompt- к context engineering, от одиночного бота к мульти-агентным системам, MCP и A2A как новые стандарты, память и eval агентов, reasoning-модели, эффективный serving (vLLM/SGLang). Вы это не просто читаете в ленте,а пробуете руками.

Чем предстоит заниматься

Реализовывать высоконагруженные бэкенды критичной бизнес-логики

Быть владельцем кода одного или нескольких сервисов и отвечать за его качество, производительность, отказоустойчивость и документированность

Прототипировать и исследовать подходы (новые модели, фреймворки агентов, способы инференса), чтобы обоснованно выбирать решения, а не следовать хайпу

По желанию и в перспективе расти в техлида или тимлида продукта

Наши требования

Релевантный опыт backend-разработки от 5 лет с Python как основным языком на экспертном уровне (у нас 3.12): понимаете не только как писать, но и как и почему оно работает под капотом

Глубокое понимание async-модели: где asyncio даёт выигрыш, а где только добавляет сложности, как не положить event loop блокирующим вызовом и как дебажить асинхронный код под нагрузкой; опыт с async-фреймворком (у нас FastAPI)

Опыт проектирования и эксплуатации высоконагруженных и отказоустойчивых сервисов (нагрузка, конкурентность, backpressure, деградация, идемпотентность)

Уверенная работа с микросервисами и брокерами сообщений (у нас Kafka)

Опыт с реляционными БД (у нас PostgreSQL); понимание, чем платить за консистентность и как не положить базу под нагрузкой

Алгоритмы и структуры данных, ООП, SOLID, чистый читаемый код, code review, юнит-тесты

devOps-культура: CI/CD,gitlab, docker, kubernetes, консоль

Интерес к домену агентов и актуальным ии-экосистемам: вы следите за тем, что появляется (LangChain/LangGraph, RAG, function/tool-calling, MCP, векторные БД, инференс LLM), и имеете аргументированное мнение, что из этого применимо у нас

Английский на уровне чтения и написания технической документации (B1+)

Практический опыт с LangGraph/LangChain или другими агентными фреймворками

Опыт построения RAG-систем и работы с векторными БД (Milvus, Qdrant, pgvector и т. п

Опыт serving ML-моделей (Triton Inference Server, KServe, vLLM) и работа с CUDA/GPU

Понимание пайплайнов ML и актуальных проблем NLP

Опыт с ClickHouse, Redis, S3/MinIO, gRPC

Бэкенд на других языках (Go, C++, Rust, Java/Kotlin и пр.); у нас адаптеры на Go

Опыт с любыми чат-бот/агент-платформами или разработка собственных ботов и агентов

Опыт удалённой работы в распределённой команде

Python 3.12, FastAPI, asyncio; LangGraph и LangChain 1.0, MCP (langchain-mcp-adapters)

LiteLLM, OpenAI-совместимые API для LLM. Инференс и ML: эмбеддинги на Triton (GPU, PyTorch)

Serving моделей на KServe, AutoML-пайплайны. Данные и шина: Kafka, PostgreSQL, ClickHouse

Адаптеры, шлюзы на Go 1.25, fiber, gRPC, franz-go

Kubernetes, Helm, GitLab CI, OpenTelemetry и Prometheus

Стек

Milvus, Redis, S3/MinIO, Clickhouse

Мы предлагаем

Атмосфера IT-стартапа и участие в инновационных проектах в области AI

Работу в сильной команде, уровень разработчиков в компании — middle+/senior и актуальный стек технологий

Действительно гибкий график, у нас нет обязательных дней в офисе и начала рабочего времени, команда встречается в офисе по договоренности, возможен полностью удаленный формат по РФ

Новый современный офис на метро Курская, если тебе все же нравится видеться иногда с коллегами

Программа ДМС с полным покрытием с первой недели работы, включая стоматологию и услуги телемедицины, полис для выезжающих за рубеж, страхование жизни

Участие в конференциях и митапах, обучение за счет компании

Дополнительно

Оркестратор диалога на LangGraph (граф сценариев, чекпоинтинг состояния, tool-calling, интеграция с LLM). Это сердце платформы и одна из самых нагруженных её частей

Планирование и выполнение многошаговых задач, субагенты и мульти-агентная оркестрация

Развитие долговременной памяти агентов, изолированные сэндбоксы для исполнения кода и инструментов, guardrails и контроль действий

Парсинг и чанкинг документов, индексация и гибридный/семантический поиск в Milvus

Рантайм диалога на Kafka: обработка входящих сообщений, маршрутизация ответов в каналы, поток событий диалога в аналитику

Оценка качества агентов, наблюдаемость