AI Agent Engineer (Python)

Technologie, których używamy

Twój zakres obowiązków

• Projektowanie i rozwój workflow agentów AI w oparciu o LangGraph (StateGraph)
• Budowa i optymalizacja logiki przejść, stanów oraz ścieżek decyzyjnych
• Implementacja guardraili zapewniających poprawne działanie LLM (wykrywanie halucynacji, błędów, braków w sekwencji)
• Tworzenie narzędzi wywoływanych przez LLM (async Python + Pydantic, retry logic, obsługa błędów)
• Projektowanie i utrzymanie promptów oraz szablonów YAML z dynamicznym kontekstem
• Rozwój i utrzymanie frameworka ewaluacyjnego (testy scenariuszowe, metryki jakości)
• Integracja systemów poprzez MCP (HTTP/SSE, LiveKit RPC)
• Monitorowanie i optymalizacja wydajności (Datadog, LangSmith, latency <500 ms p95)
• Współpraca przy rozwoju voice pipeline (STT, TTS, VAD, echo detection)
• Debugowanie i poprawa zachowania agentów w środowisku produkcyjnym

Nasze wymagania

• Minimum 4 lata doświadczenia w Pythonie (środowisko produkcyjne)
• Bardzo dobra znajomość programowania asynchronicznego (asyncio, race conditions, concurrency)
• Doświadczenie w pracy z LLM (function calling, prompt engineering, analiza błędów)
• Umiejętność projektowania systemów zapewniających niezawodność AI (guardrails, walidacja, kontrola przepływu)
• Praktyczna znajomość Pydantic v2
• Doświadczenie w testowaniu systemów niedeterministycznych (testy scenariuszowe, metryki jakości)
• Doświadczenie w pracy z narzędziami AI (np. Claude Code, Cursor, Copilot)
• Samodzielność i ownership — prowadzenie rozwiązań od projektu do wdrożenia

Mile widziane

• LangGraph lub podobne narzędzia orkiestracji
• Doświadczenie z Voice AI (np. Deepgram, Whisper, ElevenLabs)
• Znajomość MCP (Model Context Protocol)
• Praca z Datadog, LangSmith, OpenTelemetry
• DeepEval lub inne frameworki ewaluacyjne
• Docker, Kubernetes, AWS
• Doświadczenie w startupie

Tak organizujemy naszą pracę

Tak pracujemy

Tak pracujemy nad projektem

To oferujemy

• Długotrwałą współpracę na zasadach B2B - stawka 50-70USD/h
• Pracę przy zaawansowanym, produkcyjnym systemie agentów AI (voice + LLM + orchestration)
• Realny wpływ na architekturę i rozwój produktu od podstaw (greenfield)
• Środowisko AI-native — praca z wykorzystaniem agentów AI w codziennym developmentcie
• Dużą autonomię i odpowiedzialność za rozwiązania end-to-end
• Możliwość rozwiązywania złożonych problemów (LLM reliability, real-time systems, orchestration)
• Współpracę z doświadczonym zespołem technologiczny