Product engineer

Omnius.team; United States; Remote; USD 150,000 - 210,000; Full time

Job summary

Omnius.team ищет AI-инженера, который строит продукты end-to-end: от формулировки спецификации до рабочей фичи в проде и поддержки. Вы будете работать с кодинговыми агентами как основным инструментом, разбираться в сильных сторонах и слабостях агентов и строить предсказуемый процесс.

Вы будете проектировать и внедрять LLM‑функциональность в решения: RAG, сценарии агентов и использование инструментов. Ожидается строгая инженерия: код, тесты, CI/CD, деградации и поддержка проданных проектов, а

Qualifications

• Уверенная работа с кодинговым агентом и декомпозиция задач до реализации.
• Опыт внедрения CI/CD, тестирования и мониторинга.
• Понимание принципов работы LLM и промптинг.
• Опыт работы с RAG, векторным поиском и инструментами интеграции.

Responsibilities

• Разрабатывать решения полного цикла с использованием кодинговых агентов.
• Проектировать и внедрять LLM‑функциональность: RAG, сценарии агентов и использование инструментов.
• Обеспечивать качество и поддержку: мониторинг и инциденты.
• Работать с клиентами, говорить бизнес-языком.

Skills

AI инженерные навыки

Кодинговый агент

CI/CD практики

LLM-концепции

Python

TypeScript

Tools

Claude Code

Codex

LangChain

LangSmith

vLLM/Ollama

Docker

Kubernetes

Terraform

PostgreSQL

Redis

Kafka/RabbitMQ

Job description

Описание

Мы ищем AI-инженера, который строит продукт «end-to-end» с помощью AI: от формулировки спецификации до работающей фичи в проде и её поддержки. Кодинговый агент для вас основной рабочий инструмент. Вы понимаете, где он сильнее человека, где ошибается и как выстроить процесс, чтобы результат был предсказуемым.

Задачи

• Разрабатывать решения полного цикла в связке с кодинговыми агентами (Claude Code, Codex)
• Выстраивать и развивать практики AI-assisted SDLC: спецификации, планирование, ревью, тестирование, релиз
• Проектировать и внедрять LLM-функциональность в решения: RAG, агентные сценарии, tool use
• Строить оценку качества агентов и LLM-фич: evals, метрики, регрессионные наборы
• Отвечать за качество и поддержку того, что выпущено: мониторинг, инциденты, техдолг
• Взаимодействовать с клиентом в рамках реализуемых проектов и представлять продукт на языке, понятном бизнесу

Требования

• Уверенная работа с кодинговым агентом. Вы умеете декомпозировать задачу, давать агенту контекст, контролировать результат и не терять владение кодом
• Строгие инженерные практики: code review, тестирование, CI/CD, наблюдаемость, работа с инцидентами, поддерживаемая архитектура. Скорость не за счёт качества Spec-driven development или аналогичная практика. Спецификация, план и критерии приёмки у вас появляются до кода, а не после. Первична спека, код — её следствие
• Понимание принципов LLM: контекст и его ограничения, промптинг, галлюцинации, стоимость и латентность
• RAG: чанкинг, эмбеддинги, ретривал, реранкинг, оценка качества поиска
• Агенты и harness: как устроены агентный цикл, инструменты, управление контекстом и память, как агента построить и как измерить, что он работает
• Бэкенд: Python (FastAPI), Node.js, TypeScript
• Фронтенд: React / Vue
• Данные: PostgreSQL, Qdrant (векторный поиск), Redis, Kafka / RabbitMQ
• LLM: API Anthropic и OpenAI, локальные модели (vLLM, SGLang, Ollama), Agent SDK, MCP, LangChain / LlamaIndex
• Инфраструктура: Docker, Kubernetes, Terraform
• Наблюдаемость и evals: Langfuse / LangSmith, Prometheus + Grafana
• Будет плюсом: Опыт построения eval-пайплайнов и LLM-as-judge; Собственные инструменты или workflow поверх агентов: skills, MCP-серверы, кастомные команды; Продуктовое мышление: умение самому сформулировать проблему пользователя, а не только реализовать задачу. У нас первична бизнес-задача, затем спека, а код — производная от неё

Условия

• Удалённо, фултайм.