Python Developer в LLM-агент

О продукте
Мы создаем AI‑агента, который радикально меняет обслуживание клиентов Т‑Банка, повышая качество и снижая затраты.

Наше ключевое отличие от других попыток создать агентов на LLM — computer use: мы учим модель управлять компьютером сотрудника в реальных системах. Благодаря этому каждая сессия работы превращается в обучающие данные: все действия операторов попадают в интерпретируемые трейсы, и каждый из тысяч операторов становится AI‑тренером. Агент работает по принципу human‑in‑the‑loop: когда модель уверена — действует автоматически, когда нет — просит помощи оператора. Ближайшие аналоги — Anthropic Computer Use и OpenAI Operator, но у нас чёткая бизнес‑цель и уникальные данные на масштабе реальной поддержки.

О команде и процессах:
Мы — небольшая продуктовая команда полного цикла: от исследований и обучения моделей до бэкенда/фронта, релизов и A/B‑тестов. Наш продукт находится в ранней фазе развития, мы на фронтире агентских технологий, поэтому двигаемся быстро, смело, с минимумом легаси и согласований.

Работаем по Scrum: двухнедельные спринты, ежедневные дейли и прочие стандартные встречи. Практикуем docs‑as‑code, следим за метриками delivery (Lead/Cycle/Reaction Time, Time‑to‑Market) и качеством. Ответственность команды распространяется на прод — observability и стабильность для нас так же важны, как скорость.

Позиция
Ищем бэкенд‑разработчика в нашу команду. Вместе с ML‑командой тебе предстоит разрабатывать агента, который повторяет действия оператора, и масштабировать его работу как качественно, так и количественно. В задаче много неизвестных, большой простор для принятия решений и высокий потолок влияния на бизнес.

Какие задачи предстоит решать:

• Разрабатывать бэкенд LLM‑агента для автоматизации поддержки

• Учиться строить LLM‑продукты и вместе формировать платформу для их развития

• Повышать надёжность текущего решения: метрики, логи, алерты, устранение точек отказа (совместно с SRE)

• Ускорять работу бэкенда и снижать стоимость инференса, оптимизировать нагрузку на GPU (совместно с ML‑инженерами)

• Помогать ML‑инженерам с пайплайнами данных и продукционализацией моделей (MLOps)

Ты подходишь, если:

• У тебя сильный инженерный бэкграунд: умеешь быстро и качественно решать новые сложные задачи

• Готов строить новый продукт практически с нуля

• Умеешь или быстро освоишь Python, Redis, LangGraph/LangChain, Kubernetes

• Плюсом будет опыт с ML‑продуктами, сервингами, MLOps

• Понимаешь как устроен фронт (React) — будет плюсом

Стек и архитектура:

• Python 3.12, FastAPI, Pydantic v2

• LangGraph, интеграции с LLM, трейсинг и промпты в Langfuse

• Redis (состояние, кэш), ClickHouse (аналитика)

• CI/CD, Docker, Airflow, Kubernetes, мониторинг/логирование (observability)

Обязанности:

• ​​​​Проектировать и разрабатывать бэкенд‑сервисы и LangGraph‑воркфлоу для режимов: сбор логов, копилот, автоматический
• Реализовывать API/интеграции, повышать надёжность и производительность (идемпотентность, очереди, ретраи)
• Писать юнит/интеграционные тесты, поддерживать качество через code review и автоматизацию

• Улучшать наблюдаемость (метрики, логи, трейсы), участвовать в анализе инцидентов и оптимизациях

• Вносить вклад в продуктовые решения: формулировать гипотезы, участвовать в планировании, помогать с A/B‑тестами

• Работать рука об руку с исследователями/аналитиками/фронтом, доводя идеи до продакшена

• Уверенный Python в проде (3.10+; у нас 3.12), опыт бэкенда на FastAPI/async

• Понимание сетевого стека и REST/gRPC, хорошая культура типов (typing), чистого кода и ошибок

• Опыт с реляционными БД (PostgreSQL), написание эффективных запросов, миграции

• Инфраструктура приложений: Git, CI/CD, Docker, Kubernetes, observability

• Практика тестирования (юнит, интеграционные), привычка поддерживать покрытие и автоматизацию

Будет плюсом:

• Опыт с LangGraph/LangChain, интеграциями LLM, проектированием промптов и трейсингом (Langfuse)

• Знание ClickHouse и построение аналитических дашбордов для продукта

• Понимание паттернов надёжности (идемпотентность, outbox, саги), опыт высоконагруженных систем

• Опыт настройки мониторинга (Prometheus/Grafana), распределённых трейсингов

• Опыт экспериментов/АБ‑тестов, фича‑флагов, постепенных раскаток

• Работа в офисе и удаленно — гибридный формат работы

• Возможность работы в аккредитованной ИТ-компании

• Платформа обучения и развития «Т‑Банк Апгрейд». Курсы, тренинги, вебинары и базы знаний. Поддержка менторов и наставников, помощь в поиске точек роста и карьерном развитии

• Забота о здоровье. Оформим полис ДМС со стоматологией и страховку от несчастных случаев. Предложим льготное страхование вашим близким

• Бесплатный фитнес-зал или компенсацию затрат на спортивные занятия

• 3 дополнительных дня отпуска в год

• Уникальная well-being-программу, направленную на физическое и ментальное благополучие сотрудников

• Достойная зарплату — обсудим ее на собеседовании