AI Engineer
Ruby Labs
Rola polega na budowaniu i utrzymywaniu produkcyjnych rozwiązań opartych o duże modele językowe (LLM) w ekosystemie Node.js/Next.js/TypeScript. Będziesz projektować zaawansowane prompt engineering, integrować modele przez OpenRouter, prowadzić A/B testy, monitorować jakość odpowiedzi w Langfuse oraz optymalizować koszty i opóźnienia. To stanowisko łączy backend (Node.js/Next.js) z inżynierią LLM – nie jest to rola badawcza ani czysto infrastrukturalna, lecz aplikacyjna, skupiona na dostarczaniu gotowych funkcji AI do produktów konsumenckich w health, education i entertainment (100M+ użytkowników rocznie).
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu ai/engineering, brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe itp.).
Rola polega na budowaniu i utrzymywaniu produkcyjnych rozwiązań opartych o duże modele językowe (LLM) w ekosystemie Node.js/Next.js/TypeScript. Będziesz projektować zaawansowane prompt engineering, integrować modele przez OpenRouter, prowadzić A/B testy, monitorować jakość odpowiedzi w Langfuse oraz optymalizować koszty i opóźnienia. To stanowisko łączy backend (Node.js/Next.js) z inżynierią LLM – nie jest to rola badawcza ani czysto infrastrukturalna, lecz aplikacyjna, skupiona na dostarczaniu gotowych funkcji AI do produktów konsumenckich w health, education i entertainment (100M+ użytkowników rocznie).
- ✓Własny produkt z 100M+ użytkowników rocznie – skala i wpływ
- ✓Pełna praca zdalna z dowolnego miejsca
- ✓Unlimited PTO i opłacone święta państwowe
- ✓Nowoczesny stack: Node.js/Next.js + LLM – brak legacy
- ✓Decyzje oparte na danych, nie intuicji – kultura inżynieryjna
- −Wymóg biegłej znajomości rosyjskiego/ukraińskiego – może być blokerem dla wielu kandydatów
- −Nieokreślony proces rekrutacyjny – brak informacji o etapach
- −Nie podano wielkości zespołu ani struktury projektów
- !'Unlimited PTO' – w praktyce może oznaczać brak kultury brania urlopu
- !Ostatni akapit oferty mówi o 'Senior Data Analyst' – to prawdopodobnie błąd copy-paste, ale wprowadza zamieszanie
- !Brak informacji o on-call lub dyżurach
- !Szeroki zakres odpowiedzialności – od prompt engineering po fine-tuning
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja dynamicznych promptów z warunkową logiką i wstrzykiwaniem kontekstu
- •Implementacja strukturalnych odpowiedzi (JSON schema, function calling) do integracji z aplikacją
- •Budowa pipeline'ów ewaluacyjnych i systemów scoringowych w Langfuse
- •Debugowanie złożonych łańcuchów LLM przy użyciu tracingu w Langfuse
- •Przeprowadzanie A/B testów modeli przez OpenRouter (np. Claude vs GPT) i analiza wyników
- •Podejmowanie decyzji wdrożeniowych w oparciu o dane ilościowe i benchmarki
- •Analiza logów generacji w celu wykrywania halucynacji i błędów logicznych
- •Reevaluacja modeli i ewentualne fine-tuning w miarę pojawiania się nowych architektur
Oferta dla doświadczonych specjalistów (Senior).
Mid-level inżynier Node.js (3+ lata) z przynajmniej 1 rokiem praktyki przy LLM i promptach, znający OpenRouter i Langfuse. Osoba gotowa do szybkiego uczenia się i brania pełnej odpowiedzialności za funkcje AI.
Juniorzy bez praktycznego doświadczenia z LLM i Node.js – wymagana jest samodzielność w projektowaniu i debugowaniu łańcuchów LLM. Osoby nieznające rosyjskiego/ukraińskiego nie przejdą rekrutacji (wymóg językowy).
- ?Ile osób liczy zespół AI i jak jest zorganizowany (np. dedicated team vs embedded w feature teamach)?
- ?Nad jakim konkretnie produktem będę pracować – health, education czy entertainment?
- ?Czy istnieje już infrastruktura AI, czy budujemy od zera (greenfield)?
- ?Jak wygląda proces decyzyjny – czy wybór modeli i deploy promptów jest w pełni autonomiczny?
- ?Czy są dyżury on-call związane z produkcyjnymi serwisami LLM?
- ?Jakie są oczekiwania co do znajomości rosyjskiego/ukraińskiego – czy to wymóg komunikacyjny z zespołem?
- −Nie podano wielkości zespołu AI/engineering
- −Brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe itp.)
- −Nie wiadomo, czy rola dotyczy jednego produktu czy kilku
- −Brak informacji o budżecie szkoleniowym lub konferencjach
Kultura data-driven – decyzje podejmowane na podstawie benchmarków i metryk, nie intuicji. Duża autonomia i odpowiedzialność za funkcje AI od eksperymentu do produkcji.