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.
