Middle AI Engineer (Platform V Synapse Event Mesh)

Мы — команда Platform V Synapse Event Mesh. Работаем над высоконагруженной платформой, где надежность, безопасность и скорость разработки — не просто слова, а ежедневная практика.

Сейчас мы ищем инженера-автоматизатора, который возьмет на себя внутреннюю сторону наших процессов: от обработки тикетов по уязвимостям и багам до контроля SLA и отчетности. Не менеджера, который будет “пинать” команды, а инженера, который заменит рутину кодом и агентами.

Если тебя бесит делать одно и то же руками больше двух раз — тебе к нам.

Обязанности

• Агент первичного анализа тикетов: классификация, триаж уязвимостей, маршрутизация на команду, предложение ответственного
• Автономный самообучающийся агент на self-hosted фреймворке (OpenClaw, Hermes или аналог) с дашбордом для визуализации и разбора ошибочных вердиктов
• Регрессионный контур для агента: размеченная выборка тикетов, на которой прогоняется каждое изменение промпта, модели или набора навыков
• Генерация FAQ и базы знаний из истории решённых тикетов
• Перевод ручной обработки тикетов (уязвимости, баги, стандарты) в автоматизированные пайплайны
• Контроль включения тикетов в релизные поезда
• Автоматическая рассылка дашбордов со статусами по почте и в мессенджеры
• Работа над метриками и улучшениями (выявление узких мест в процессах и их устранение с измеримым эффектом)
• R&D и эксперименты (предиктивная аналитика: предсказание нарушения SLA до его возникновения).

Требования

• Python: 2–3 года коммерческой разработки. FastAPI, Pydantic, один из фреймворков оркестрации агентов (LangChain / LangGraph, LlamaIndex, Pydantic AI или аналог), библиотеки валидации структурированного вывода
• Интеграции между системами не только по REST: вебхуки, gRPC, GraphQL, очереди сообщений (Kafka, RabbitMQ, NATS), JSON-RPC, выгрузки по расписанию и напрямую из БД, легаси-SOAP. Понимание, когда нужен вебхук, когда опрос, а когда очередь
• Асинхронность и работа с ненадёжными внешними API: таймауты, ретраи, частичный отказ
• Локальные модели и понимание, где они уместнее внешнего LLM API (OpenAI, Anthropic, YandexGPT или аналогов)
• Локальные модели и понимание, где они уместнее внешнего LLM API (OpenAI, Anthropic, YandexGPT или аналогов)
• DevOps: CI/CD, Git, Docker, Kubernetes
• Уверенная работа с Linux (RHEL, CentOS, AltLinux)
• Готовность сказать «здесь LLM не нужен, хватит скрипта»

Условия

• 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, подписка Прайм с возможностью совместного использования на трёх близких.