Software Engineer, Agentic AI

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер для разработки AI-агента в ядре платформы Dotmatics Luma. Роль AI-native: проектирование цикла агента, инструментов, памяти и безопасности, разработка через кодинг-агентов.

Задачи

• Разрабатывать самого агента: цикл, harness и control flow, связывающие модель, инструменты и состояние, включая субагентов, длительные задачи, checkpointing и восстановление
• Заниматься context engineering: решать, что попадает в контекстное окно, когда компактить или суммаризировать, как сохранять связность агента в длительных экспериментах
• Проектировать инструменты для агента с понятными интерфейсами и описаниями: оркестрация инструментов, планирование, сбор данных, а также dev-инструменты вроде GitHub, репозиториев, CI/CD и workflow
• Обеспечивать агенту память и персистентность состояния, чтобы он учился на предыдущей работе
• Реализовывать права доступа и sandboxing: что агент может делать сам, что требует одобрения человека, как ограничиваются ошибки
• Защищать агента от prompt injection и недоверенного контента с аудитом и изоляцией данных для регулируемых сред
• Оценивать агента end-to-end на реальных многошаговых задачах, отлаживать поведение по трейсам и исправлять harness, инструменты или промпты для надёжности, точности tool-use, стоимости и latency
• Адаптировать harness по мере улучшения моделей и убирать ставший ненужным scaffolding
• Вести AI-first цикл разработки (scope, plan, delegate кодинг-агентам, verify, ship) и поддерживать harness команды для разработки (память проекта, skills, hooks, MCP, CI-проверки)
• Измерять и улучшать workflow по throughput, доле дефектов и стоимости ревью, обучать коллег AI-native практикам
• Настраивать архитектуру и инфраструктуру для надёжной работы агента, управлять конфигурацией, окружениями и секретами
• Разрабатывать сервисы и интерфейсы вокруг агента на Python, Node.js/TypeScript и React, включая стриминг вывода и точки расширения вроде MCP

Требования

• Около 10 лет опыта в software engineering, включая практический опыт создания LLM-агентов в продакшене
• Желательно высшее образование в Computer Science, Engineering или смежной технической области
• Интерес к life sciences, лабораторному оборудованию или автоматизации
• AI-native engineering: автономные кодинг-агенты (Cursor, Claude Code, Codex или аналоги) как основной способ разработки
• Продакшен-агенты: хотя бы один LLM-агент, выпущенный реальным пользователям, с многошаговым tool use, восстановлением после ошибок и длительными задачами
• Context engineering, память и retrieval: длительное LLM-приложение с пониманием содержимого окна, компактинга и измерения качества связности и retrieval (RAG, векторные индексы, reranking)
• Безопасность агентов: права, sandboxing, human approval gates, защита от prompt injection и audit logging, проверенные на состязательных входах
• Проектирование инструментов и API для моделей: инструменты или MCP-серверы для моделей с измеренной точностью выбора и вызова инструментов
• Production engineering: Python с проверкой типов, автотестами и упаковкой в CI, а также сервисы и интерфейсы на Node.js/TypeScript и React со стримингом, мониторингом, трейсингом и управляемой конфигурацией и секретами

Условия

• Медицинская, стоматологическая и оптическая страховка
• Health Spending Accounts
• Wellness-льготы (приложения для ментального здоровья и фитнес-перки)
• Оплачиваемое компанией страхование жизни и инвалидности
• Пенсионный план 401k с match 4% и немедленным vesting
• Гибкий график отпусков (для US exempt сотрудников)
• Базовая зарплата $124,000—$168,000 USD в год
• Возможны переменные выплаты для отдельных позиций
• Remote-friendly среда

Навыки

• Python
• Node.js
• TypeScript
• React
• LLM
• AI agents
• Cursor
• Claude Code
• Codex
• RAG
• vector indexes
• reranking
• MCP
• LangGraph
• Databricks
• Sigma
• Power BI
• Spotfire
• CI/CD
• GitHub
• prompt injection defense
• sandboxing
• observability
• tracing