Senior Python Developer (AI-агенты)

Что предстоит делать

О продукте Сейчас к нам в команду мы ищем эксперта разработки, который возьмёт на себя самые критичные и нагруженные части платформы. Нам важен не только сильный инженер, но и человек, кому интересно, как индустрия агентов взрослеет на глазах: от prompt- к context engineering, от одиночного бота к мульти-агентным системам, MCP и A2A как новые стандарты, память и eval агентов, reasoning-модели, эффективный serving (vLLM/SGLang). Вы это не просто читаете в ленте,а пробуете руками. Над чем будете работать • оркестратор диалога на LangGraph (граф сценариев, чекпоинтинг состояния, tool-calling, интеграция с LLM). Это сердце платформы и одна из самых нагруженных её частей • планирование и выполнение многошаговых задач, субагенты и мульти-агентная оркестрация • развитие долговременной памяти агентов, изолированные сэндбоксы для исполнения кода и инструментов, guardrails и контроль действий • парсинг и чанкинг документов, индексация и гибридный/семантический поиск в Milvus • рантайм диалога на Kafka: обработка входящих сообщений, маршрутизация ответов в каналы, поток событий диалога в аналитику • оценка качества агентов, наблюдаемость

• реализовывать высоконагруженные бэкенды критичной бизнес-логики
• быть владельцем кода одного или нескольких сервисов и отвечать за его качество, производительность, отказоустойчивость и документированность.
• прототипировать и исследовать подходы (новые модели, фреймворки агентов, способы инференса), чтобы обоснованно выбирать решения, а не следовать хайпу
• по желанию и в перспективе расти в техлида или тимлида продукта
• Мы ожидаем от вас
• релевантный опыт backend-разработки от 5 лет с Python как основным языком на экспертном уровне (у нас 3.12): понимаете не только как писать, но и как и почему оно работает под капотом
• глубокое понимание async-модели: где asyncio даёт выигрыш, а где только добавляет сложности, как не положить event loop блокирующим вызовом и как дебажить асинхронный код под нагрузкой; опыт с async-фреймворком (у нас FastAPI)
• опыт проектирования и эксплуатации высоконагруженных и отказоустойчивых сервисов (нагрузка, конкурентность, backpressure, деградация, идемпотентность)
• уверенная работа с микросервисами и брокерами сообщений (у нас Kafka)
• опыт с реляционными БД (у нас PostgreSQL); понимание, чем платить за консистентность и как не положить базу под нагрузкой
• алгоритмы и структуры данных, ООП, SOLID, чистый читаемый код, code review, юнит-тесты
• devOps-культура: CI/CD,gitlab, docker, kubernetes, консоль
• интерес к домену агентов и актуальным ии-экосистемам: вы следите за тем, что появляется (LangChain/LangGraph, RAG, function/tool-calling, MCP, векторные БД, инференс LLM), и имеете аргументированное мнение, что из этого применимо у нас
• английский на уровне чтения и написания технической документации (B1+)
• Будет плюсом
• практический опыт с LangGraph/LangChain или другими агентными фреймворками
• опыт построения RAG-систем и работы с векторными БД (Milvus, Qdrant, pgvector и т. п..
• опыт serving ML-моделей (Triton Inference Server, KServe, vLLM) и работа с CUDA/GPU
• понимание пайплайнов ML и актуальных проблем NLP
• опыт с ClickHouse, Redis, S3/MinIO, gRPC
• бэкенд на других языках (Go, C++, Rust, Java/Kotlin и пр.); у нас адаптеры на Go
• опыт с любыми чат-бот/агент-платформами или разработка собственных ботов и агентов
• опыт удалённой работы в распределённой команде
• Наш стек
• Python 3.12, FastAPI, asyncio; LangGraph и LangChain 1.0, MCP (langchain-mcp-adapters),
• LiteLLM, OpenAI-совместимые API для LLM. Инференс и ML: эмбеддинги на Triton (GPU, PyTorch),
• serving моделей на KServe, AutoML-пайплайны. Данные и шина: Kafka, PostgreSQL, ClickHouse,
• адаптеры, шлюзы на Go 1.25, fiber, gRPC, franz-go
• Milvus, Redis, S3/MinIO, Clickhouse
• Kubernetes, Helm, GitLab CI, OpenTelemetry и Prometheus

Что предлагаем