
Мы в поиске Lead Python backend-разработчика, который будет управлять командой разработчиков, развивать и внедрять процессы разработки и при этом оставаться практикующим инженером: проектировать, реализовывать и развивать микросервисы, уча…
Мы в поиске Lead Python backend-разработчика, который будет управлять командой разработчиков, развивать и внедрять процессы разработки и при этом оставаться практикующим инженером: проектировать, реализовывать и развивать микросервисы, участвовать в обсуждении архитектурных решений.
Агентная разработка у нас — не строчка «будет плюсом», а то, как устроена ежедневная работа команды: кодовые агенты, реестр скиллов, правила для агентов и spec-driven development.
Мы строим технологическую платформу нового поколения для производства, хранения и дистрибуции медиаконтента. Это интеллектуальная экосистема, которая автоматизирует жизненный цикл материалов: от загрузки и разметки до бесшовной публикации в десятках цифровых каналов — сайты, приложения, мессенджеры, соцсети.
Стек:
Python 3.12+, asyncio, FastAPI, REST
PostgreSQL, Tortoise ORM / SQLAlchemy, Redis
Apache Kafka
FastStream, Django / Wagtail
OpenSearch / Elasticsearch
GigaCode CLI, реестр скиллов, AGENTS.md / rules, MCP
Docker, OpenShift (Kubernetes)
Jenkins, Nexus, Bitbucket, SonarQube, Jira, Confluence
Будет преимуществом:
паттерны проектирования: понимание и практическое применение; умение выбирать подходящий паттерн под задачу
принципы разработки и чистый код: понимание и применение SOLID и других принципов
Kafka: диагностика consumer lag и ребалансировок, версионирование событий и совместимость схем
отказоустойчивость межсервисных взаимодействий: понимание и применение
производительность: профилирование, оптимизация и нагрузочное тестирование
фреймворки и протоколы: FastStream, Django / Wagtail, SSE, gRPC
поиск: OpenSearch / Elasticsearch; векторный поиск с pgvector / Qdrant
эксплуатация: диагностика приложений в Kubernetes / OpenShift
агентские инструменты: создание собственных скиллов, опыт настройки MCP-интеграций и разработки MCP-серверов, применение SDD в командной разработке
AI-функции продукта: интеграция LLM и разработка агентов, в том числе с LangChain / LangGraph или аналогами.
комфортный современный офис по адресу Кутузовская 32 или Оружейный 41
формат работы – офис/гибрид
ежегодный пересмотр зарплаты и годовая премия
корпоративный спортзал и зоны отдыха
более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
программа адаптации и помощь руководителя на старте
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.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.