Мы ищем инженера, который умеет не просто пользоваться AI-инструментами, а встраивает их в реальный процесс разработки: от постановки задачи и проектирования решения до production, проверки качества и поддержки. Эта роль для разработчика, которому интересно работать на стыке fullstack-разработки, LLM, AI-агентов и современных AI coding tools. Нам важен реальный опыт: Cursor, Claude Code, Codex, RAG, MCP, tool calling, интеграции и доведение решений до работающего продукта.
Разрабатывать AI-агентов и LLM-based решения для внутренних и продуктовых задач. Проектировать agentic workflows: сценарии, где AI-агент может выполнять многошаговые задачи, обращаться к инструментам, работать с данными и помогать автоматизировать процессы. Интегрировать LLM в backend/fullstack-приложения: API, RAG, tool calling, внешние сервисы, базы данных, внутренние системы. Работать с AI coding tools в ежедневной разработке: Claude Code, Cursor, Codex или аналогичными инструментами. Проходить путь от идеи и прототипа до production-решения: быстро проверять гипотезы, собирать MVP, дорабатывать архитектуру и качество. Проверять AI-generated код: ревью, тесты, безопасность, корректность логики, устойчивость решения. Участвовать в выборе подходов, инструментов и best practices для AI-native разработки внутри команды.
Опыт коммерческой разработки на любом из современных языке программирования - Python/JS/TS/Java/Kotlin/Swift/C# и т.д. Опыт fullstack или backend-разработки: API, интеграции, базы данных, архитектура приложений. Практический опыт работы с AI-инструментами: Cursor, Claude Code, Codex. Понимание RAG, prompt engineering, управления контекстом и ограничений LLM. Опыт создания своих кастомных skills и AI-агентов, agentic workflows или автоматизаций на базе LLM. Опыт ежедневного использования AI coding tools: Cursor, Claude Code, Codex, Windsurf, GitHub Copilot или аналогов. Умение не просто генерировать код через AI, а проверять, дорабатывать и доводить его до production-качества. Опыт автоматизированного AI-тестирования. Будет плюсом: Опыт коммерческой разработки от 3х лет. Понимание архитектуры построения современных приложени. Понимание MCP / Model Context Protocol. Опыт с evals, guardrails, тестированием качества LLM-выводов. Понимание рисков AI-систем: prompt injection, data leakage, небезопасные tool calls. Опыт с n8n, CrewAI, AutoGen или другими инструментами автоматизации и multi-agent систем. Опыт деплоя AI/LLM-решений в production. GitHub, pet-проекты, демо или другие артефакты, где можно увидеть ваш подход к AI-разработке.
Работу с современными AI-инструментами, как c частью инженерного процесса. Возможность строить AI-native подход внутри команды и влиять на технические решения. Задачи, где нужно думать, проектировать и экспериментировать, а не просто перекладывать промпты из одного окна в другое. Команду, которая смотрит на AI как на инженерный инструмент. P.S. Как понять, что мы подходим друг другу Нам точно по пути, если вы можете показать конкретный кейс: какую задачу решали, как ставили задачу AI-агенту, как управляли контекстом, как проверяли результат и что в итоге дошло до production. На интервью мы будем говорить о реальных примерах, архитектуре, качестве AI-generated кода и вашем подходе к разработке с AI-инструментами. Также попросим показать реальные артефакты на GitHub, демо, описание проекта.
Показать как в источнике
Fullstack AI Developer
Мы ищем инженера, который умеет не просто пользоваться AI-инструментами, а встраивает их в реальный процесс разработки: от постановки задачи и проектирования решения до production, проверки качества и поддержки. Эта роль для разработчика, которому интересно работать на стыке fullstack-разработки, LLM, AI-агентов и современных AI coding tools. Нам важен реальный опыт: Cursor, Claude Code, Codex, RAG, MCP, tool calling, интеграции и доведение решений до работающего продукта.
Разрабатывать AI-агентов и LLM-based решения для внутренних и продуктовых задач. Проектировать agentic workflows: сценарии, где AI-агент может выполнять многошаговые задачи, обращаться к инструментам, работать с данными и помогать автоматизировать процессы. Интегрировать LLM в backend/fullstack-приложения: API, RAG, tool calling, внешние сервисы, базы данных, внутренние системы. Работать с AI coding tools в ежедневной разработке: Claude Code, Cursor, Codex или аналогичными инструментами. Проходить путь от идеи и прототипа до production-решения: быстро проверять гипотезы, собирать MVP, дорабатывать архитектуру и качество. Проверять AI-generated код: ревью, тесты, безопасность, корректность логики, устойчивость решения. Участвовать в выборе подходов, инструментов и best practices для AI-native разработки внутри команды.
Опыт коммерческой разработки на любом из современных языке программирования - Python/JS/TS/Java/Kotlin/Swift/C# и т.д. Опыт fullstack или backend-разработки: API, интеграции, базы данных, архитектура приложений. Практический опыт работы с AI-инструментами: Cursor, Claude Code, Codex. Понимание RAG, prompt engineering, управления контекстом и ограничений LLM. Опыт создания своих кастомных skills и AI-агентов, agentic workflows или автоматизаций на базе LLM. Опыт ежедневного использования AI coding tools: Cursor, Claude Code, Codex, Windsurf, GitHub Copilot или аналогов. Умение не просто генерировать код через AI, а проверять, дорабатывать и доводить его до production-качества. Опыт автоматизированного AI-тестирования. Будет плюсом: Опыт коммерческой разработки от 3х лет. Понимание архитектуры построения современных приложени. Понимание MCP / Model Context Protocol. Опыт с evals, guardrails, тестированием качества LLM-выводов. Понимание рисков AI-систем: prompt injection, data leakage, небезопасные tool calls. Опыт с n8n, CrewAI, AutoGen или другими инструментами автоматизации и multi-agent систем. Опыт деплоя AI/LLM-решений в production. GitHub, pet-проекты, демо или другие артефакты, где можно увидеть ваш подход к AI-разработке.
Работу с современными AI-инструментами, как c частью инженерного процесса. Возможность строить AI-native подход внутри команды и влиять на технические решения. Задачи, где нужно думать, проектировать и экспериментировать, а не просто перекладывать промпты из одного окна в другое. Команду, которая смотрит на AI как на инженерный инструмент. P.S. Как понять, что мы подходим друг другу Нам точно по пути, если вы можете показать конкретный кейс: какую задачу решали, как ставили задачу AI-агенту, как управляли контекстом, как проверяли результат и что в итоге дошло до production. На интервью мы будем говорить о реальных примерах, архитектуре, качестве AI-generated кода и вашем подходе к разработке с AI-инструментами. Также попросим показать реальные артефакты на GitHub, демо, описание проекта.