Senior · Гибрид · Москва, Россия · Английский не нужен
Навыки
AI-агенты
AI-инструменты в работе
Алгоритмы и структуры данных
API (интеграции)
Code review
Анализ данных
Docker
Ещё 17
GitLab CI
Java
Kafka
LLM
Next.js
Node.js
Мониторинг и observability
PostgreSQL
Prompt engineering
Прототипирование
Python
RabbitMQ
RAG
Постановка задач и ТЗ
SQL
TypeScript
WebSocket
О компании и продукте
Мы развиваем AI-платформу, которая автоматически готовит экспертные заключения по внутренним ИТ-проектам Банка, выходящим на внешний рынок. LLM-агенты с промптами самостоятельно собирают информацию из открытых источников и внутренних материалов, складывают данные в RAG и LLM-wiki, анализируют проект и формируют структурированное заключение — с трансляцией хода работы агентов на фронтенд в реальном времени. Кроме разработки платформы команда выполняет ручную техническую экспертизу проектов (около трети времени): разбор архитектуры и кода, оценка безопасности, наличия мониторинга и логирования, анализ продуктовой спецификации. Стек проверяемых проектов разнородный и зависит от команд-разработчиков (Java, Go, Python, TypeScript/Node.js и др.), поэтому важно уметь быстро разбираться в чужой кодовой базе, в том числе с помощью AI-инструментов.
Задачи
Разрабатывать backend и AI-контур платформы: агентные сценарии, промпты, оркестрация на LangChain/LangGraph, пайплайны сбора и анализа данных
Разрабатывать фронтенд на Next.js: интерфейс заключений, трансляция работы агентов в реальном времени
Помогать техническому лидеру в разноплановых задачах: прототипирование, исследование решений, интеграции, автоматизация
Проводить экспертизу внутренних ИТ-проектов Банка: выкачивать репозиторий, анализировать архитектуру и код (в т.ч. с применением AI/LLM-инструментов), выявлять слабые места
Проверять наличие и полноту мониторинга, логирования и алертинга в оцениваемых системах
Оценивать базовую безопасность решений: аутентификация/авторизация, работа с секретами, типовые уязвимости
Читать продуктовые спецификации и ТЗ, понимать идею и назначение проекта, формировать по нему структурированное заключение
Готовить краткие отчёты по результатам экспертизы: что за продукт, как устроен, где риски
При необходимости подхватывать задачи технического лидера на время его отсутствия
Требования
Опыт коммерческой разработки от 3 лет
Уверенное знание Python и практический опыт с LangChain/LangGraph (или аналогичными фреймворками оркестрации LLM-агентов)
Опыт построения RAG-систем: векторный поиск, подготовка контекста для LLM, работа с pgvector или аналогами
Уверенное знание TypeScript и Next.js: разработка интерфейсов, работа со стримингом данных (SSE/WebSockets)
Опыт работы с PostgreSQL: проектирование структуры данных, написание и оптимизация SQL-запросов
Опыт работы с брокерами сообщений (RabbitMQ, Kafka) и асинхронными пайплайнами
Активный практический опыт использования AI/LLM-инструментов в повседневной разработке: анализ чужого кода, code review, поиск дефектов и слабых мест, работа с AI-агентами
Умение быстро разбираться в существующей кодовой базе, в том числе на незнакомом стеке
Понимание, зачем системе нужны мониторинг и логирование, и умение оценить их наличие и качество
Умение читать техническую и продуктовую документацию и формулировать выводы простым языком
Самостоятельное ведение задач полного цикла: от разбора постановки до вывода в продакшен, без микроменеджмента
Будет плюсом
Опыт полиглот-разработки: работа с несколькими языками и экосистемами в разных проектах
Умение читать код на Java / Go (писать не требуется)
Опыт создания кастомных harness/раннеров для LLM-агентов: управление промптами, инструментами, лимитами, трассировкой
Опыт проведения code review, аудита или технического due diligence проектов
Опыт работы в банковской или иной регулируемой сфере
Опыт разработки и эксплуатации систем в закрытом корпоративном контуре (ограниченный доступ к внешним API, прокси, внутренние репозитории)
Условия
Программа реферального рекрутинга (выплата бонусов за приведенного друга)
Оплата обучения и переквалификации
Участие в профильных конференциях
Материальная поддержка в разных жизненных ситуациях
ДМС (в том числе стоматология и психологическая поддержка)
Комфортный офис (современный офис 5 мин. от м.Тёплый стан): бесплатная парковка для сотрудников, комфортная столовая, спортзал с профессиональными тренерами, медицинский кабинет (привозят различные аппараты по оценке здоровья бесплатно)
Ориентируемся на финансовые пожелания кандидата в зависимости от навыков и опыта
Возможность выбрать время начала и окончания работы, а также возможность гибридного графика работы (офис/удаленка)
Предоставление корпоративной техники сотрудникам
Паспорт вакансии
История публикации
Появилась в Вакандии28 дней
Перепубликациинетпубликовалась один раз
Проверяли на источникеВидели 27 дней назад
Среди похожихНет данных38 из 30 · у похожих вакансий почти одинаковый возраст — сравнивать нечего
Откуда что взялось
Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.
ГрейдSeniorвычитано из текста вакансии
Формат работыГибридвычитано из текста вакансии
ГеографияМосква, Россиявычитано из текста вакансии
Зарплатане указана
Почему на этом месте в выдаче
Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.
Полнота карточки753 из 4 полей: грейд, формат, география, зарплата
Зарплата названа0вилки нет вовсе
Проверка Вакандии
Источники и свежесть
Тип источника
Агрегатор вакансий
Найдено публикаций
1
Посмотреть публикации и даты
hcareersОсновная публикация · 2026-08-10
Р
Работодатель
РСХБ-Интех
13 активных вакансий · вилка работодателя указана в 0%