AI Agent Engineer
Be in IT
Rola polega na budowie i utrzymaniu produkcyjnych agentów AI z wykorzystaniem LangGraph, guardrails, voice pipeline oraz LLM. To stanowisko łączy backend (async Python, Pydantic), inżynierię promptów, monitoring i integrację systemów. Praca nad greenfieldowym produktem AI-native z dużą autonomią.
Brakuje: nie podano nazwy klienta, brak informacji o wielkości zespołu.
Rola polega na budowie i utrzymaniu produkcyjnych agentów AI z wykorzystaniem LangGraph, guardrails, voice pipeline oraz LLM. To stanowisko łączy backend (async Python, Pydantic), inżynierię promptów, monitoring i integrację systemów. Praca nad greenfieldowym produktem AI-native z dużą autonomią.
- ✓Greenfield – budowa systemu od podstaw
- ✓Nowoczesny stack AI (LangGraph, MCP, Voice AI)
- ✓Duża autonomia techniczna i wpływ na architekturę
- ✓Środowisko AI-native – codzienna praca z narzędziami AI
- !Brak informacji o wielkości zespołu i strukturze
- !Nie wiadomo czy występuje dyżur on-call i jak wygląda
- !Firma 26-50 osób – startupowe tempo i brak stabilności korporacyjnej
- !Rekrutacja przez agencję – mniejsza transparentność co do klienta
- •Projektowanie i implementacja workflow agentów AI w LangGraph (StateGraph)
- •Tworzenie guardrails do wykrywania halucynacji i błędów LLM
- •Implementacja narzędzi wywoływanych przez LLM (async Python, Pydantic, retry logic)
- •Pisanie i utrzymanie promptów oraz szablonów YAML z dynamicznym kontekstem
- •Budowa i rozwijanie frameworka ewaluacyjnego (testy scenariuszowe, metryki)
- •Integracja systemów przez MCP (HTTP/SSE, LiveKit RPC)
- •Monitorowanie wydajności agentów (Datadog, LangSmith, latency <500ms p95)
- •Debugowanie i optymalizacja zachowania agentów w produkcji
Oferta dla doświadczonych specjalistów (Senior).
Mid-level Python developer z co najmniej 4 latami komercyjnego doświadczenia, znający async i mający styczność z LLM. Osoba gotowa uczyć się LangGraph i guardrails, z solidnymi podstawami testowania.
Juniorzy bez głębokiego doświadczenia w Pythonie i async; osoby szukające stabilnej korporacji z jasno zdefiniowanymi procesami; programiści unikający odpowiedzialności za end-to-end.
- ?Ile osób liczy zespół i jakie są role?
- ?Czy istnieje dyżur on-call? Jak często i czy płatny?
- ?Jaki jest etap rozwoju produktu – MVP, skala, czy już produkcja?
- ?Kim jest klient (firma) i w jakiej branży działa?
- ?Jakie są plany rozwoju produktu w ciągu najbliższych 6-12 miesięcy?
- ?Czy używacie konkretnych frameworków ewaluacyjnych poza DeepEval?
- ?Jak wygląda proces wdrażania nowych funkcji do produkcji?
- −Nie podano nazwy klienta
- −Brak informacji o wielkości zespołu
- −Nie wiadomo, czy występuje on-call
- −Nie określono oczekiwanego czasu trwania projektu/współpracy
- −Brak opisu procesu rekrutacyjnego
Zespół pracuje w trybie AI-native, z dużym naciskiem na autonomię i ownership. Prawdopodobnie startupowa atmosfera z małą liczbą osób i szybkim tempem.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię LLM. Pełne statystyki zarobków →