Обязанности
•Исследовать архитектуру и инфраструктуру агентов в компаниях экосистемы: как агенты устроены, где запущены, какие ограничения по безопасности и сети. По итогам проектировать схему подключения к AEF
•Проектировать дистрибутив AEF.Lite: из каких компонентов он состоит, как они взаимодействуют, как ставится и обновляется, как банковские сервисы заменяются open-source аналогами (OIDC/Keycloak, Kubernetes, Istio)
•Проектировать сбор и передачу трейсов и метрик агентов: OpenTelemetry, access-логи окружения, Kafka-контракты, модель данных, обезличивание
•Проектировать API и контракты интеграций и описывать нефункциональные требования: надёжность, поведение при недоступности каналов, безопасность, объёмы
•Декомпозировать бизнес-сценарии в требования и архитектуру AI-решений, задавать критерии качества и безопасности агентов (guardrails, evals)
•Быстро проверять архитектурные гипотезы на стенде вместе с разработкой и DevOps: прототип, замер, решение
•Вести документацию как код (Markdown, PlantUML): требования, архитектурные решения, открытые вопросы, словарь
•Сравнивать AEF с рыночными решениями (фреймворки агентов, observability, evals) и приносить лучшие практики в продукт
Требования
•Опыт от 3 лет в системном анализе или проектировании IT-систем. Для кандидатов с глубокой экспертизой в разработке GenAI-продуктов готовы рассматривать меньший стаж
•Интеграции и архитектура данных: проектирование REST/gRPC API, асинхронного обмена сообщениями (Kafka/PubSub), разработка форматов данных (JSON/XML) и контрактов (OpenAPI/AsyncAPI)
•Архитектура LLM-приложений: понимание принципов работы генеративных моделей, умение описывать обвязку вокруг модели (промпты, парсеры, оркестратор)
•Практический опыт разработки агентов: работа хотя бы с одним из стеков — LangChain/LangGraph, CrewAI, прямые вызовы OpenAI/Anthropic API, Model Context Protocol (MCP)
•Инфраструктура: базовое понимание контейнеризации (Docker), Kubernetes (умение читать манифесты Deployment, Service), концепции service mesh
•Моделирование и документация: владение нотациями UML/C4 для создания sequence-диаграмм, диаграмм компонентов и развертывания
•Инструменты: уверенное использование AI-ассистентов (Claude Code, Cursor, GitHub Copilot) для анализа кода, генерации прототипов и подготовки технической документации
Условия
•Комфортный современный офис рядом с м. Кутузовская
•Возможность выбрать удобный график – офис/гибрид
•Ежегодный пересмотр зарплаты, годовая премия
•Корпоративный спортзал и зоны отдыха
•Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•Программа адаптации и помощь руководителя на старте (для Junior позиций)
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•Льготная ипотека для каждого сотрудника
•Бесплатная подписка Прайм с возможностью совместного использования на трёх близких
•Вознаграждение за рекомендацию друзей в команду Сбера
•Отсутствие строгого дресс-кода
