AI Developer
TechTorch
Rola skupia się na budowaniu wieloetapowych agentów AI i workflowów orkiestracyjnych przy użyciu LangGraph, LangChain, AWS Bedrock i podobnych narzędzi. Praca polega na integracji różnych modeli LLM (Gemini, GPT, Claude), łączeniu agentów z zewnętrznymi systemami (API, webhooki, kolejki) oraz wdrażaniu prototypów do produkcji z użyciem CI/CD, Docker i chmury. Rola jest mocno techniczna i wymaga bezpośredniej współpracy z klientami.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano lokalizacji ani trybu pracy (zdalna/hybrydowa/stacjonarna)., brak opisu procesu rekrutacyjnego (etapy, zadanie domowe, live coding)..
Rola skupia się na budowaniu wieloetapowych agentów AI i workflowów orkiestracyjnych przy użyciu LangGraph, LangChain, AWS Bedrock i podobnych narzędzi. Praca polega na integracji różnych modeli LLM (Gemini, GPT, Claude), łączeniu agentów z zewnętrznymi systemami (API, webhooki, kolejki) oraz wdrażaniu prototypów do produkcji z użyciem CI/CD, Docker i chmury. Rola jest mocno techniczna i wymaga bezpośredniej współpracy z klientami.
- ✓Nowoczesny stos technologiczny (LangGraph, LangChain, AWS Bedrock, Docker).
- ✓Autonomia i odpowiedzialność od koncepcji do wdrożenia.
- ✓Budowanie wewnętrznych narzędzi i SDK – wartość dodana dla portfolio.
- ✓Możliwość nauki i eksperymentowania z różnymi modelami LLM.
- −Rola oznaczona jako junior, ale zadania są zaawansowane (projektowanie agentów, CI/CD, produkcja) – może być zbyt wymagająca dla początkującego.
- −Opis podkreśla 'Thrive in fast-changing environments' – może oznaczać nadgodziny lub częste zmiany priorytetów.
- !Nieznana firma (TechTorch) – prawdopodobnie mały startup lub agencja.
- !Bezpośrednia praca z klientem może wiązać się z nierównym obciążeniem.
- !Brak wzmianki o mentorstwie lub wsparciu dla juniora.
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja wieloetapowych agentów AI w Pythonie z użyciem LangGraph i LangChain
- •Integracja i ewaluacja różnych modeli LLM (Gemini, GPT, Claude)
- •Łączenie agentów z zewnętrznymi systemami przez API, webhooki, kolejki i eventy
- •Implementacja pamięci, wyszukiwania i planowania dla niezawodnego zachowania agentów
- •Ustawianie pipeline'ów CI/CD i wdrażanie agentów za pomocą Dockera i AWS Bedrock
- •Budowanie wewnętrznych SDK i szablonów agentów do przyspieszenia dostarczania
- •Instrumentacja (logowanie, tracing, guardrails) i monitorowanie w produkcji
- •Bezpośrednia współpraca z klientami: zbieranie wymagań, prowadzenie eksperymentów i szybkie iteracje
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba znająca Pythona i rozumiejąca podstawy LLMów, otwarta na naukę LangGraph i LangChain, chętna do pracy z klientami i w dynamicznym środowisku.
Osoby preferujące pracę bez kontaktu z klientem, nie lubiące szybkiego tempa lub poszukujące stabilnego, przewidywalnego środowiska. Również nie dla osób nieinteresujących się AI/LLM.
- ?Ile osób liczy zespół AI? Czy jest ktoś z większym doświadczeniem, kto będzie wspierał juniora?
- ?Jak wygląda proces wdrożenia nowego agenta do produkcji?
- ?Czy oferujecie budżet na szkolenia lub konferencje związane z AI?
- ?Jak często i w jaki sposób odbywa się kontakt z klientem?
- ?Jaki jest oczekiwany czas wdrożenia nowego członka zespołu do samodzielnej pracy?
- −Nie podano lokalizacji ani trybu pracy (zdalna/hybrydowa/stacjonarna).
- −Brak opisu procesu rekrutacyjnego (etapy, zadanie domowe, live coding).
- −Nie określono wielkości zespołu ani struktury.
- −Nie wiadomo, jakie benefity są oferowane (np. prywatna opieka medyczna, karta sportowa).
Mały, szybki zespół o kulturze 'Client First' i dużej autonomii, gdzie każdy ma wpływ na produkt od pomysłu do wdrożenia.