Junior Python/Django разработчик

Мы развиваем AEF (Agent Execution Framework) — платформу для разработки, исполнения и сопровождения GenAI-агентов в контуре банка. Наши потребители — внутренние команды банка, которые разрабатывают агентов и контролируют их работу. Ищем full-stack инженера (UI + Python),который будет развивать сервисы платформы и её интерфейсы и активно применять AI-инструменты в разработке. Работа с coding-агентами (Codex, GigaCode, Claude и др.) — часть

ежедневной разработки. Ты будешь не просто писать код, а оркестрировать AI-агентов: превращать идеи в работающие прототипы и фичи, декомпозировать задачи и ставить их агентам, проверять результат через ревью и тесты и отвечать за качество целиком. Роль предполагает высокую самостоятельность и умение работать в условиях неопределённости.

Обязанности

• разрабатывать новые продукты, сервисы и UI в рамках инициатив

• исследовать и привносить новые подходы и инициативы в процессы команды (PDLC, product development lifecycle)

• повышать стабильность приложений за счёт автоматизации и написания тестов

• разрабатывать backend-сервисы платформы на Python и развивать существующие компоненты

• проектировать и реализовывать API и интеграции с внешними системами и

инфраструктурными компонентами

• использовать AI-инструменты для ускорения разработки и валидировать их решения — через ревью, тесты и проверку на соответствие требованиям

• участвовать в проектировании архитектуры сервисов, ревью кода и разборе инцидентов.

Требования

• общий опыт работы не менее 5 лет

• front: TypeScript, React/Vue, Tailwind

• backend: Java/Python, PostgreSQL

• DevOps: CI/CD, GitLab, Docker, GitHub Actions

• умение декомпозировать крупную задачу на части, годные для постановки агенту, и собирать из них целостное решение

• вайбкодинг и практический опыт разработки кода с AI-агентами: Codex, GigaCode, Gemini, Claude Code, Qwen Code или аналоги

• продуктовое мышление: тебе важно не просто «закрыть таску», а запустить фичу, которая принесёт пользу конечным клиентам

• понимание принципов наблюдаемости, отказоустойчивости и надёжной эксплуатации сервисов

• готовность нести ответственность за итоговое качество кода независимо от того, написан он вручную или с помощью агента.

Будет плюсом:

• несколько завайбкоженных проектов в портфолио

• опыт работы с OpenClaw или схожими платформами оркестрации агентных систем.

Условия

• гибридный формат работы
• современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.

Мы создаём платформу персонализации для всех продуктов VK. На нашей инфраструктуре работают рекомендательные системы, поиск и реклама крупнейших продуктов компании, масштаб которых достигает 300 млн пользователей и почти миллиарда единиц контента.

Немного о нашем масштабе:

• 1 млн vCPU вычислительных мощностей
• Сотни тысяч персональных подборок в секунду
• Более 300 инженеров из продуктовых команд используют нашу платформу, большинство из них — ML-инженеры
• Tier A, доступность более 99,99%. Мы умеем строить отказоустойчивые real-time системы и обеспечивать их работу под огромной нагрузкой

Наша миссия — сделать платформу, на которой продуктовые команды могут быстро воплощать идеи, экспериментировать и растить метрики, не задумываясь о сложности инфраструктуры. При этом платформа должна эффективно работать даже в масштабах крупнейших интернет-продуктов.

Наш технологический стек: Java (99% кодовой базы), C++ и Python для GPU-сервисов. Активно используем экосистему распределённых вычислений YTsaurus и разрабатываем собственные инфраструктурные решения.

Задачи

Мы ищем Team Lead в одну из команд платформы персонализации, которая отвечает за инфраструктуру поисковых сценариев.

Один из главных инженерных вызовов в поиске — найти оптимальный баланс между потреблением RAM и CPU. Поисковые системы предъявляют особенно высокие требования к полноте данных, скорости их доставки и эффективности индексации. При этом важно обеспечивать предсказуемую производительность и эффективно использовать вычислительные ресурсы.

В команде мы разрабатываем собственное реплицированное in-memory хранилище, технологии индексации контента и инфраструктуру для поисковых сценариев.

Вам предстоит:

• Руководить командой инженеров: развивать сотрудников, участвовать в найме и отвечать за результаты команды
• Определять техническое развитие команды и принимать архитектурные решения
• Развивать технологии хранения и индексации данных, оптимизировать производительность и использование ресурсов

Пример задачи, над которой работаем прямо сейчас:

• Реализовать персонализированное ранжирование поисковой выдачи, используя возможности платформы персонализации

Почему у нас интересно:

• Масштаб, который редко встречается. Здесь даже небольшое архитектурное решение может влиять на миллионы пользователей и потребление тысяч CPU
• Сложные инженерные задачи. Мы не просто интегрируем готовые технологии, а создаём собственные решения для хранения, обработки и доставки данных в реальном времени
• Влияние на продукты. Результатами нашей работы пользуются более 300 инженеров продуктовых команд, а сама платформа лежит в основе ключевых продуктов VK
• Сильная инженерная экспертиза. Мы умеем строить системы с доступностью более четырёх девяток и постоянно работаем над тем, чтобы делать их быстрее, надёжнее и эффективнее

Требования

• Опыт руководства инженерной командой, включая people management
• Уверенное знание Java или опыт разработки на другом современном языке с готовностью перейти на Java
• Хорошее понимание алгоритмов и структур данных
• Интерес к распределённым системам, большим данным и высоконагруженным сервисам. Опыт работы с ними будет преимуществом
• Любовь к технически сложным задачам, оптимизации кода и поиску эффективных решений

Будет плюсом

• Опыт разработки поисковых или рекомендательных систем
• Знакомство с машинным обучением и инфраструктурой для ML