Backend/AI Developer (Python, RAG, LangChain)

Про проєкт — це інтелектуальна система автоматизації продажів. Ми будуємо AI-агентів LLM + RAG (Retrieval-Augmented Generation), які повністю беруть на себе комунікацію з клієнтами в месенджерах: від першої консультації до закриття угоди. Проєкт переходить від зовнішньої команди до внутрішньої розробки, тому ми шукаємо Problem Solver-а, який допоможе вибудувати надійну архітектуру та візьме відповідальність за продукт з основним фокусом на побудові якісної архітектури та масштабуванні AI-рішень.

Ключові завдання:

• AI & RAG Development: Розробка та оптимізація інтелектуальних агентів із використанням LangChain. Реалізація складної логіки взаємодії з OpenAI API (GPT-4, Embeddings, функціональні виклики).
• Architecture & Data: Забезпечення стабільного збереження даних та аналітики в PostgreSQL. Побудова та підтримка масштабованої структури бази даних.
• Audit & Refactoring: Проведення технічного аудиту існуючого коду, виправлення багів та системне перенесення логіки на нову трирівневу архітектуру.
• Engineering Culture: Підтримка високих стандартів розробки: написання тестів (Unit/E2E), проведення Code Review та ведення технічної документації в Confluence.
• Autonomous Problem Solving: Ми працюємо короткими спринтами (Jira) без мікроменеджменту. Очікуємо, що ви зможете самостійно ідентифікувати «вузькі місця» в системі та пропонувати технічні рішення для їх усунення.

Технологічний стек та інструментарій:

Ми шукаємо розробника, який не просто знає Python, а вміє будувати системні рішення, використовуючи сучасні AI-native підходи.

1. Core Backend & Architecture:

• Framework: FastAPI (asyncio, асинхронна розробка).
• Database & ORM: PostgreSQL + SQLAlchemy (проектування моделей, робота з міграціями).
• Architecture: Обов’язкове використання трирівневої архітектури (Routes-Services-Repositories). Чітке розділення бізнес-логіки та шару роботи з даними.
• Validation: Pydantic v2 для валідації та схем даних.

2. AI & RAG Specialized:

• Framework: LangChain (наш основний інструмент для побудови логіки агентів).
• LLM: Глибока інтеграція з OpenAI API (GPT-4, Embeddings).
• RAG: Розуміння механізмів Retrieval-Augmented Generation (робота з контекстом, пошук, реранкінг).

3. AI-Driven Development (Productivity Stack):

• IDE: Досвід роботи з Cursor (використання AI-функцій для прискорення написання та рефакторингу коду).
• Cloud: Досвід роботи з CloudCode (інтеграція з хмарною інфраструктурою).
• Efficiency: Вміння використовувати ШІ-інструменти для автоматизації написання тестів та документації.

4. Infrastructure:

• Containerization: Docker та Docker-compose (підготовка середовища розробки та деплою).
• CI/CD: Робота з Git (GitHub/GitLab), розуміння процесів доставки коду.

Умови:

• Дистанційна робота з гнучким графіком.
• Відсутність зайвої бюрократії та можливість впливати на технічний стек.
• Відсутність мікроменеджменту.

Для відгуку:

Посилання на GitHub (бажано з прикладами коду на FastAPI або LangChain).

Актуальне резюме.

Короткий опис твого досвіду з RAG: які інструменти використовував, з якими базами працював і як вирішував питання якості відповідей (наприклад, робота з контекстом чи промптами).

Очікування по зарплаті (USD/hour).

сюди: @and_shevchenkoo

Процес відбору включає коротке технічне завдання (до 2 годин) для перевірки культури написання коду.