Senior DevOps LLM (Инвестиционный бизнес)

Мы разрабатываем систему, которая автоматизирует весь жизненный цикл инвестиционной сделки. Наши команды работают над следующими направлениями: * алгоритмизированный и AI поиск потенциальных сделок и клиентов * управление процессом заключения инвестиционных сделок * финансовые расчеты и оценка портфеля * построение финансовой и управленческой отчетности по портфелю инвестиций Сбера * инвестиционные сервисы для компаний - наших клиентов. Наша инвестиционная платформа ЮЛ в Сбер - это уникальная разработка на российском рынке для выдачи и сопровождения инвестиционного финансирования юридическим лицам. Такие сделки имеют большое значение для российской экономики, и о них пишут в новостях. Вы будете работать с микросервисной архитектурой (Kubernetes, Docker, Istio, Kafka). Мы используем specififcation-driven подход к разработке и активно развиваем эту методологию внутри Сбера.* развертывание и конфигурация Open Source LLM (DeepSeek, Qwen и др.) на собственных мощностях * настройка высокопроизводительных инференс-серверов (vLLM, TGI, TensorRT-LLM, llama.cpp) * оптимизация использования GPU (память, батчинг, quantization) для достижения требуемой пропускной способности и задержек (latency) * настройка систем observability для слоя инференса: сбор метрик (количество запросов, время генерации, использование VRAM, throughput, количество активных потоков/запросов) * реализация health checks (ready/live probes) для инференс-серверов * автоматизация оповещений (alerts) при деградации производительности или падении сервисов * настраивать сквозную трассировку (trace\_id) по всей цепочке сервисов: от пользовательского интерфейса до агентов и инфраструктуры * развивать дашборды в Grafana для мониторинга агентов, инфраструктуры и ключевых компонентов платформы * внедрять кастомные метрики для агентов (запросы, статус, P95, LLM-вызовы, токены) без изменения кода агентов * обеспечивать корреляцию логов и трейсов для быстрого поиска инцидентов * настраивать алерты: технические (Pod OOM, память, ошибки) и качественные (satisfaction rate, регрессии) * работать с централизованным Prompt Hub для хранения и обновления промптов без деплоя * автоматизировать интеграцию E2E-тестов с системой трассировки * поднятие и конфигурация бэкенд-серверов для работы агентов (FastAPI, Node.js или других runtime) * контейнеризация (Docker) и оркестрация (Kubernetes / Docker Compose) компонентов системы * управление окружениями (dev/stage/prod) и CI/CD пайплайнами для доставки кода агентов и обновлений инфраструктуры * разработка агентов в структурированном формате Markdown, следуя принципам Claude/Harness Engineering (явное описание инструментов, контекста, последовательности действий) * создание системных промптов, определения инструментов (tools/functions) и четких границ поведения агента * интеграция агентов с внешними API, базами данных и DevOps-инструментами (Kubernetes, AWS, CI/CD) * разработка и поддержка пайплайнов CI/CD * внедрение новых инструментов для автоматизации и мониторинга * взаимодействие с командами разработки, тестирования и эксплуатации.* опыт развертывания и сопровождения Open Source LLM в продакшене * глубокое практическое знание инструментов инференса: vLLM, TGI (Text Generation Inference) или аналогичных (TensorRT-LLM, sglang) * понимание внутренних механизмов LLM инференса: KV-cache, continuous batching, quantization (GGUF, GPTQ, AWQ) * опыт написания агентов/промптов в продакшн-среде, знакомство с концепцией Harness Engineering (или готовность быстро в нее погрузиться) * уверенное владение Python (написание сервисов, скриптов мониторинга, интеграций) * экспертный опыт работы с контейнеризацией (Docker) * опыт управления кластерами Kubernetes: написание и поддержка манифестов, работа с Helm (чарты) * опыт построения и поддержки пайплайнов в Jenkins, GitLab CI * уверенная работа с Git (стратегии ветвления, код-ревью) * опыт работы с СУБД (PostgreSQL, ClickHouse или аналогичными) в контексте высоконагруженных систем * опыт построения observability-стека для микросервисных или агентных систем * навыки настройки сквозной трассировки, метрик, логирования и алертинга * уверенное владение инструментами: Grafana, Prometheus, Loki, Jaeger, OpenTelemetry Будет плюсом: * опыт работы с фреймворками для агентов (LangChain, LlamaIndex, AutoGen, или собственные решения) * знание подходов к fine-tuning и evaluation LLM (например, LoRA/QLoRA, использование Axolotl или Unsloth; оценка качества через MMLU, HumanEval, ROUGE, BERTScore, фреймворки DeepEval или LM Evaluation Harness) * опыт управления GPU-инфраструктурой (NVIDIA A100/H100, L40S, работа с MIG, vGPU) * навыки администрирования Linux (сети, файловые системы,работа с драйверами NVIDIA) * навыки работы с генеративными AI-моделями.* комфортный современный офис рядом с м. Ленинский проспект, ул. Вавилова 19, формат работы - гибрид * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная програма * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.