Мы разрабатываем систему, которая автоматизирует весь жизненный цикл инвестиционной сделки. Наши команды работают над следующими направлениями:
- алгоритмизированный и AI поиск потенциальных сделок и клиентов
- управление процессом заключения инвестиционных сделок
- финансовые расчеты и оценка портфеля
- построение финансовой и управленческой отчетности по портфелю инвестиций Сбера
- инвестиционные сервисы для компаний - наших клиентов.
Наша инвестиционная платформа ЮЛ в Сбер - это уникальная разработка на российском рынке для выдачи и сопровождения инвестиционного финансирования юридическим лицам. Такие сделки имеют большое значение для российской экономики, и о них пишут в новостях.
Вы будете работать с микросервисной архитектурой (Kubernetes, Docker, Istio, Kafka).
Мы используем specififcation-driven подход к разработке и активно развиваем эту методологию внутри Сбера.
Обязанности
- развертывание и конфигурация Open Source LLM (DeepSeek, Qwen и др.) на собственных мощностях
- настройка высокопроизводительных инференс-серверов (vLLM, TGI, TensorRT-LLM, llama.cpp)
- оптимизация использования GPU (память, батчинг, quantization) для достижения требуемой пропускной способности и задержек (latency)
- настройка систем observability для слоя инференса: сбор метрик (количество запросов, время генерации, использование VRAM, throughput, количество активных потоков/запросов)
- реализация health checks (ready/live probes) для инференс-серверов
- автоматизация оповещений (alerts) при деградации производительности или падении сервисов
- настраивать сквозную трассировку (trace_id) по всей цепочке сервисов: от пользовательского интерфейса до агентов и инфраструктуры
- развивать дашборды в Grafana для мониторинга агентов, инфраструктуры и ключевых компонентов платформы
- внедрять кастомные метрики для агентов (запросы, статус, P95, LLM-вызовы, токены) без изменения кода агентов
- обеспечивать корреляцию логов и трейсов для быстрого поиска инцидентов
- настраивать алерты: технические (Pod OOM, память, ошибки) и качественные (satisfaction rate, регрессии)
- работать с централизованным Prompt Hub для хранения и обновления промптов без деплоя
- автоматизировать интеграцию E2E-тестов с системой трассировки
- поднятие и конфигурация бэкенд-серверов для работы агентов (FastAPI, Node.js или других runtime)
- контейнеризация (Docker) и оркестрация (Kubernetes / Docker Compose) компонентов системы
- управление окружениями (dev/stage/prod) и CI/CD пайплайнами для доставки кода агентов и обновлений инфраструктуры
- разработка агентов в структурированном формате Markdown, следуя принципам Claude/Harness Engineering (явное описание инструментов, контекста, последовательности действий)
- создание системных промптов, определения инструментов (tools/functions) и четких границ поведения агента
- интеграция агентов с внешними API, базами данных и DevOps-инструментами (Kubernetes, AWS, CI/CD)
- разработка и поддержка пайплайнов CI/CD
- внедрение новых инструментов для автоматизации и мониторинга
- взаимодействие с командами разработки, тестирования и эксплуатации.
Требования
- опыт развертывания и сопровождения Open Source LLM в продакшене
- глубокое практическое знание инструментов инференса: vLLM, TGI (Text Generation Inference) или аналогичных (TensorRT-LLM, sglang)
- понимание внутренних механизмов LLM инференса: KV-cache, continuous batching, quantization (GGUF, GPTQ, AWQ)
- опыт написания агентов/промптов в продакшн-среде, знакомство с концепцией Harness Engineering (или готовность быстро в нее погрузиться)
- уверенное владение Python (написание сервисов, скриптов мониторинга, интеграций)
- экспертный опыт работы с контейнеризацией (Docker)
- опыт управления кластерами Kubernetes: написание и поддержка манифестов, работа с Helm (чарты)
- опыт построения и поддержки пайплайнов в Jenkins, GitLab CI
- уверенная работа с Git (стратегии ветвления, код-ревью)
- опыт работы с СУБД (PostgreSQL, ClickHouse или аналогичными) в контексте высоконагруженных систем
- опыт построения observability-стека для микросервисных или агентных систем
- навыки настройки сквозной трассировки, метрик, логирования и алертинга
- уверенное владение инструментами: Grafana, Prometheus, Loki, Jaeger, OpenTelemetry.
Будет плюсом:
- опыт работы с фреймворками для агентов (LangChain, LlamaIndex, AutoGen, или собственные решения)
- знание подходов к fine-tuning и evaluation LLM (например, LoRA/QLoRA, использование Axolotl или Unsloth; оценка качества через MMLU, HumanEval, ROUGE, BERTScore, фреймворки DeepEval или LM Evaluation Harness)
- опыт управления GPU-инфраструктурой (NVIDIA A100/H100, L40S, работа с MIG, vGPU)
- навыки администрирования Linux (сети, файловые системы,работа с драйверами NVIDIA)навыки работы с генеративными AI-моделями.
Условия
- комфортный современный офис рядом с м. Ленинский проспект, ул. Вавилова 19, формат работы - гибрид
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная програма
- бесплатная подписка Прайм
- вознаграждение за рекомендацию друзей в команду Сбера.
