Стажер Python Developer (SberAI) в СБЕР Неизвестно

Мы — R&D-команда, которая решает исследовательские и инженерные задачи в области многоагентных систем (MAS, Multi-Agent Systems). Мы разрабатываем многоагентные пайплайны и систему оркестрации на графах: задаём роли и правила взаимодействия агентов и настраиваем процесс так, чтобы финальный ответ продукта был точнее, быстрее и дешевле. В работе важны воспроизводимость, тестируемость и аккуратная инженерия: чистый код, понятные изменения, метрики качества и контроль регрессий.

Обязанности

Разработка многоагентных систем на графах (Graph-based MAS)

• Реализация отдельных агентов под прикладные подзадачи (tool-use, researcher, verifier, coder и т. д.)

• Проектирование графа взаимодействий: маршрутизация, переходы состояний, обработка ошибок, политики ретраев

• Интеграция агентов с инструментами и данными (в т. ч. retrieval/RAG-компоненты при необходимости).

Оптимизационные алгоритмы на графе (Graph Optimization)

• Написание чистого кода для алгоритмов оптимизации графа: упрощение, pruning, переупорядочивание шагов, эвристики выбора ветки

• Оптимизация стоимости/времени ответа: кеширование, переиспользование результатов, сокращение лишних вызовов

• Поддержка метрик и профилирования: где теряем качество, где тратим токены/время, где можно ускорить.

Качество и тестирование (Quality & Testing)

• Тестирование функционала: unit/integration тесты для компонентов графа и логики агентов

• Регрессионные проверки качества ответов (автоматические проверки формата, стабильности и корректности)

• Поддержка воспроизводимости: фиксирование конфигураций, датасетов, версий, базовые эксперименты.

Prompt engineering и контроль качества ответа (Prompting & Evaluation):

• Разработка системных/роль-инструкций и шаблонов промптов для повышения точности и стабильности.

• Улучшение структуры ответа (формат, проверяемость, минимизация галлюцинаций, self-check/verification шаги).

Требования

• Хорошее знание Python 3.12 и уверенное написание кода самостоятельно (понимание того, что и почему работает).
• Базовые знания в области машинного обучения и больших языковых моделей (ML/LLM)
• Понимание, что такое агент, и как его можно реализовать (состояние, инструменты, шаги, проверки результата)
• Опыт работы с LangGraph/LangChain (или аналогичными фреймворками оркестрации)
• Понимание терминов и подходов: RAG, inference, embeddings, semantic search, retrieval
• Понимание основ векторной алгебры, эмбеддингов и семантического поиска
• Уверенная работа с GitHub/GitLab: PR/MR, review, pre-commit, аккуратные коммиты, ведение issues
• Готовность писать тесты и поддерживать качество кода (читаемость, структура, регрессии)

Технологический стек:

• Языки: Python 3.12, Bash
• Фреймворки и библиотеки: PyTorch, NumPy, Pandas, Pydantic
• LLM/MAS: LangChain, LangGraph (или аналоги)
• Графы: rustworkx (дополнительно — знакомство с NetworkX)
• Процессы: Git (GitHub/GitLab), code review, pre-commit, понятные коммиты, ведение issues

Условия

• Комфортный современный офис рядом с м. Кутузовская
• Гибридный формат работы
• Корпоративный спортзал и зоны отдыха
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• Программа адаптации и помощь руководителя на старте
• Вознаграждение за рекомендацию друзей в команду Сбера.