AI-платформа корпоративного уровня — аналог AI Hub. Реализован чат-интерфейс (аналог ChatGPT) и сценарии сбора аналитики по собственным базам знаний (RAG на базе Qdrant) и по открытым источникам в интернете. В качестве LLM используются современные модели, задействован LLM-шлюз с маршрутизацией запросов.
Проект введён в промышленную эксплуатацию: работают реальные пользователи, нагрузка стабилизирована, требования к доступности согласованы.
Технологический стек:
· PostgreSQL — основное хранилище данных
· Kubernetes — оркестрация
· Kafka — обмен событиями
· Redis — кэширование
· S3 (совместимое объектное хранилище) — данные и бэкапы
· Qdrant — векторная база знаний
· Prometheus + Grafana — мониторинг
· OpenSearch — логи
Твои задачи:
- обеспечение доступности и отказоустойчивости платформы в проде: определение и контроль SLO/SLI, дежурства, разбор инцидентов, проведение postmortem
- разработка и сопровождение CI/CD-конвейеров, инфраструктуры как кода (IaC)
- управление Kubernetes: кластеры и версии, admission-контроллеры, network policies, resource limits/requests, HPA, автоскейлинг
- диагностика и оптимизация производительности (CPU / memory / I/O), профилирование нагрузки LLM-инференса
- настройка и развитие наблюдаемости: метрики, логи, трассировки, алертинг, дашборды
- управление секретами и доступом, выполнение требований безопасности
- работа с Kafka, Redis, PostgreSQL и S3: настройка, тюнинг, резервное копирование и восстановление, DR-планы
- участие в архитектурных решениях для новых сервисов платформы.
Мы ожидаем, что у тебя есть:
- 3+ года опыта в SRE / DevOps / платформенной инфраструктуре
- глубокий опыт работы с Kubernetes в промышленной эксплуатации
- PostgreSQL: планирование запросов, индексы, репликация, бэкапы и восстановление
- Kafka, Redis, S3-совместимые объектные хранилища
- CI/CD, Linux, Bash
- мониторинг и логирование: Prometheus / Grafana, OpenSearch, алертинг
- понимание принципов SLO / SLI / Error Budgets
- опыт работы с облачной и on-premise инфраструктурой, сетевой уровень, TLS
- опыт создания AI-агентов и использования их в работе будет преимуществом.
Будет плюсом:
- опыт эксплуатации ML/LLM-инференса (vLLM, Triton, KServe), понимание нагрузочных профилей GPU
- опыт работы с векторными БД (Qdrant, Milvus, pgvector)
- знание IaC (Terraform, Ansible)
- опыт участия в RAG / AI-платформенных проектах
- навыки написания postmortem и улучшения процессов эксплуатации.
Работа в СберТехе - это:
- гибридный формат работы
- годовой бонус и ежегодный пересмотр зарплаты
- статус аккредитованной ИТ-компании
- расширенный ДМС с первого дня и льготное страхование для семьи
- корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях
- 90 дней удаленной работы из любого региона РФ
- льготная ипотека в Сбере
- бесплатная подписка СберПрайм, которой можно поделиться с 3 близкими.
