Старший разработчик агентов для бизнеса в Лавку

Привет! Меня зовут Алёна, я руковожу службой AI-сервисов в Яндекс Лавке. Лавка — сервис, который сочетает операционность, технологичность и клиентоориентированность. Мы работаем на стыке этих направлений: внедряем AI во внутренние процессы и пользовательский опыт. За последний год мы развились от точечных агентов под отдельные задачи до AI-систем, которые охватывают целые бизнес-функции, построили платформу для десятков агентов и провели много экспериментов, чтобы понять, как агенты могут улучшить клиентский продукт.

Наша служба в Яндекс Лавке отвечает за построение агентов, которые снимают рутину с разных бизнес-функций: разработки, аналитики, операций, коммерции. Раньше мы шли точечно: брали отдельный процесс — поиск пропавших посылок, дежурство, антифрод курьеров — и делали под него агента. Сейчас мы переходим на следующий уровень: вместо россыпи агентов под отдельные задачи мы строим целые AI-системы, которые покрывают работу бизнес-функции целиком.

Мы ищем сильного разработчика-агентостроителя, который возьмёт на себя проектирование и развитие таких AI-систем end-to-end. Это позиция на стыке ML, бэкенда и архитектуры: вы будете отвечать за крупные инициативы, от RFC и выбора стека до прода и эксплуатации, и вместе с руководителем команды формировать техническое направление.

Вести крупные AI-инициативы под ключ (30–50+ человеко-дней)
Вы будете вести AI-инициативы от идеи и RFC до продакшна и эксплуатации: погружаться в бизнес-процесс, защищать архитектуру, писать код и ставить задачи другим разработчикам команды, отвечать за выкатку и поддержку. Стек — Python, Postgres, экосистема lang*. Интеграции — с внутренними сервисами Яндекса и внешними API.

Проектировать архитектуру AI-систем
Вы будете решать, как организовать оркестрацию, общий контекст и память, переиспользуемые тулы, фолбэки, маршрутизацию между моделями, решать, что обернуть в RAG, что — в файнтюн, что — в промпт. Нужно будет защищать архитектуру на ревью и доводить её до внедрения.

Работать с нагруженными агентскими сценариями
Предстоит проектировать отказоустойчивые компоненты: мониторинг качества и галлюцинаций в проде, оптимизацию latency и стоимости вызовов LLM, обработку пиковых нагрузок, грамотные ретраи и фолбэки. SLA на агентов — ваша зона ответственности.

Предлагать архитектурные и продуктовые изменения
Мы ждём не реализации задач по ТЗ, а инициативы по техническому и продуктовому улучшению. Вам предстоит самостоятельно находить точки роста (снижение костов на бизнес-процессы, рост покрытия сценариев агентом, ускорение time-to-answer, удешевление инференса), формулировать гипотезы, защищать их и доводить до результата.

Поддерживать жизнь агентов в проде и масштабировать их
Агенты живут долго, и после внедрения работа не заканчивается. Вам предстоит выстраивать системы мониторинга качества, добавлять покрытие непредвиденных сценариев, масштабировать решения на соседние сервисы, дежурить по своим проектам.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

• Уверенно владеете Python для продакшн-разработки, работали с нагруженными асинхронными системами, очередями, базами данных — видите, где будет узкое место, и обходите его заранее
• Вели крупные проекты end-to-end от формулировки задачи и RFC до выкатки и поддержки в проде, умеете декомпозировать большую инициативу, защищать архитектуру, согласовывать решения со смежниками
• Понимаете LLM и AI-агентов на уровне продакшн-практики: можете подобрать модель под задачу, спроектировать тулы, выстроить оценку качества, ловить и исправлять галлюцинации
• Имеете архитектурное и продуктовое мышление: задаёте вопросы про целевое состояние процесса, видите точки роста за рамками текущего тикета, формулируете гипотезы и оцениваете их пользу для бизнеса
• Проактивны и автономны: приходите с идеями, защищаете их, доводите до результата, готовы влиять на направление, а не только исполнять задачи

• Имеете продакшн-опыт с API больших языковых моделей (YandexGPT, OpenAI, Anthropic): писали тулы, промпты, RAG-пайплайны на серьёзных нагрузках
• Имеете опыт ML-разработки: понимаете, когда нужен файнтюн, когда — RAG, когда достаточно промпт-инжиниринга, а когда лучше использовать классический ML
• Глубоко знакомы с экосистемой lang* (LangChain, LangGraph), агентскими протоколами (MCP, A2A) и продвинутыми RAG-подходами: гибридным поиском, реранкингом, агентным RAG
• Имеете опыт менторства, ревью архитектуры, технического лидерства в команде — или хотите развиваться в этом направлении

Узнайте больше про разработку городских сервисов Яндекса на dev.go.yandex