Ведущий AI-архитектор / Fullstack-инженер (Руководитель AI-Factory)

Инфошелл переходит в AI-first модель разработки. Мы строим «AI-Factory» систему, в которой LLM-агенты и нейросети превращают бизнес-идеи в готовые продукты за дни.

Мы ищем ведущего инженера, который станет архитектором и оператором этой фабрики: будет проектировать пайплайны разработки с использованием моделей Anthropic (Claude), Google AI и современных агентских фреймворков, работать над системными улучшениями и развитием.

Зона ответственности:

- AI-Factory архитектура - Проектирование пайплайнов разработки с LLM-агентами (Claude / Gemini / GPT)
- Автоматизация генерации, тестирования и деплоя кода
- Оркестрация multi-agent процессов разработки - Работа с Claude / Anthropic -Настройка системных инструкций и workflows для Claude
- Использование API Anthropic в backend-сервисах
- Контроль качества генерируемого кода и архитектуры
- Fullstack-разработка

backend: Node.js / Python
Frontend: React / Next.js
API / DB: SQL, NoSQL
Cloud: GCP / AWSB
AI-оркестрация

LangChain / CrewAI / AutoGen/ Cloud Code / Cursor / Anti-Gravity multi-agent pipelines
AI-assisted CI/CD
Контроль AI-разработки Аудит архитектуры и безопасности кода, созданного ИИ
Настройка стандартов AI-кодинга
Оптимизация time-to-market через LLM

Требования:

• Senior Fullstack-разработчик (6+ лет коммерческого опыта)

• Опыт принятия архитектурных решений, понимание web-архитектуры end-to-end (backend, БД, frontend, деплой)

• Практический опыт работы с Claude через API Anthropic (system prompts, кодогенерация, рефакторинг, автоматизация)

• Понимание сильных и слабых сторон Claude по сравнению с другими LLM

• Опыт работы с экосистемой Google AI и сервисами Google Cloud Platform

• Опыт интеграции LLM-сервисов в backend-архитектуру (API, пайплайны обработки, автоматизация)

Опыт

• 7+ лет в backend / solution architecture / platform engineering.

• 3+ года проектирования/внедрения SDLC-платформ: CI/CD, шаблоны, дев-порталы, внутренние платформы, DevEx.

• Подтверждённый опыт: строили end-to-end delivery pipeline (task → PR → deploy) с метриками качества и контроля изменений.

Опыт работы с LLM/AI-интеграциями в проде: RAG, tool/function calling, eval, управление стоимостью и качеством.