UderTalk

Backend / AI Developer (Python, RAG, LangChain) w UnderTalk

O projekcie: Undertalk — to inteligentny system automatyzacji sprzedaży. Budujemy agentów AI LLM + RAG (Retrieval-Augmented Generation), którzy w pełni przejmują komunikację z klientami w komunikatorach: od pierwszej konsultacji po zamknięcie umowy. Projekt przechodzi z zespołu zewnętrznego do wewnętrznego rozwoju, dlatego szukamy Problem Solver-a, który pomoże zbudować niezawodną architekturę i weźmie odpowiedzialność za produkt z głównym naciskiem na budowę jakościowej architektury i skalowanie rozwiązań AI.

Kluczowe zadania:

• AI & RAG Development: Rozwój i optymalizacja inteligentnych agentów z wykorzystaniem LangChain. Realizacja złożonej logiki interakcji z OpenAI API (GPT-4, Embeddings, wywołania funkcji).

• Architecture & Data: Zapewnienie stabilnego przechowywania danych i analityki w PostgreSQL. Budowa i utrzymanie skalowalnej struktury bazy danych.

• Audit & Refactoring: Przeprowadzenie audytu technicznego istniejącego kodu, naprawa błędów i systemowe przeniesienie logiki na nową trójwarstwową architekturę.

• Engineering Culture: Utrzymanie wysokich standardów rozwoju: pisanie testów (Unit/E2E), przeprowadzanie Code Review i prowadzenie dokumentacji technicznej w Confluence.

• Autonomous Problem Solving: Pracujemy w krótkich sprintach (Jira) bez mikrozarządzania. Oczekujemy, że będziesz w stanie samodzielnie identyfikować „wąskie gardła” w systemie i proponować techniczne rozwiązania ich usunięcia.

Technologiczny stos i narzędzia:

Szukamy programisty, który nie tylko zna Pythona, ale potrafi budować systemowe rozwiązania, wykorzystując nowoczesne podejścia AI-native.

1. Core Backend & Architecture:

• Framework: FastAPI (asyncio, asynchroniczny rozwój).
• Baza danych & ORM: PostgreSQL + SQLAlchemy (projektowanie modeli, praca z migracjami).
• Architektura: Obowiązkowe wykorzystanie trójwarstwowej architektury (Routes-Services-Repositories). Wyraźne oddzielenie logiki biznesowej od warstwy pracy z danymi.
• Walidacja: Pydantic v2 do walidacji i schematów danych.

2. AI & RAG Specialized:

• Framework: LangChain (nasze główne narzędzie do budowy logiki agentów).
• LLM: Głęboka integracja z OpenAI API (GPT-4, Embeddings).
• RAG: Zrozumienie mechanizmów Retrieval-Augmented Generation (praca z kontekstem, wyszukiwanie, reranking).

3. AI-Driven Development (Productivity Stack):

• IDE: Doświadczenie w pracy z Cursor (wykorzystanie funkcji AI do przyspieszenia pisania i refaktoryzacji kodu).
• Cloud: Doświadczenie w pracy z CloudCode (integracja z infrastrukturą chmurową).
• Efektywność: Umiejętność korzystania z narzędzi AI do automatyzacji pisania testów i dokumentacji.

4. Infrastructure:

• Containerization: Docker i Docker-compose (przygotowanie środowiska rozwoju i wdrożenia).
• CI/CD: Praca z Gitem (GitHub/GitLab), zrozumienie procesów dostarczania kodu.

Warunki:

• Praca zdalna z elastycznym grafikiem.
• Brak zbędnej biurokracji i możliwość wpływania na stos technologiczny.
• Brak mikrozarządzania.

Aby aplikować:

• Link do GitHub (preferowane z przykładami kodu na FastAPI lub LangChain).

• Aktualne CV.

• Krótki opis twojego doświadczenia z RAG: jakie narzędzia używałeś, z jakimi bazami pracowałeś i jak rozwiązywałeś kwestie jakości odpowiedzi (na przykład praca z kontekstem lub promptami).

• Oczekiwania dotyczące wynagrodzenia (USD/godz).

Proces rekrutacji obejmuje krótkie zadanie techniczne (do 2 godzin) w celu sprawdzenia kultury pisania kodu.