Backend / AI Developer (Python, RAG, LangChain) вUnderTalk Про проєкт:Undertalk — це інтелектуальна система автоматизації продажів. Ми будуємо AI-агентів LLM + RAG (Retrieval-Augmented Generation), які повністю беруть на себе комунікацію з клієнтами в месенджерах: від першої консультації до закриття угоди. Проєкт переходить від зовнішньої команди до внутрішньої розробки, тому ми шукаємо Problem Solver-а, який допоможе вибудувати надійну архітектуру та візьме відповідальність за продукт з основним фокусом на побудові якісної архітектури та масштабуванні AI-рішень. Ключові завдання: AI & RAG Development: Розробка та оптимізація інтелектуальних агентів із використанням LangChain. Реалізація складної логіки взаємодії з OpenAI API (GPT-4, Embeddings, функціональні виклики). Architecture & Data: Забезпечення стабільного збереження даних та аналітики в PostgreSQL. Побудова та підтримка масштабованої структури бази даних. Audit & Refactoring: Проведення технічного аудиту існуючого коду, виправлення багів та системне перенесення логіки на нову трирівневу архітектуру. Engineering Culture: Підтримка високих стандартів розробки: написання тестів (Unit/E2E), проведення Code Review та ведення технічної документації в Confluence. Autonomous Problem Solving: Ми працюємо короткими спринтами (Jira) без мікроменеджменту. Очікуємо, що ви зможете самостійно ідентифікувати «вузькі місця» в системі та пропонувати технічні рішення для їх усунення. Технологічний стек та інструментарій: Ми шукаємо розробника, який не просто знає Python, а вміє будувати системні рішення, використовуючи сучасні AI-native підходи. 1. Core Backend & Architecture: Framework: FastAPI (asyncio, асинхронна розробка). Database & ORM: PostgreSQL + SQLAlchemy (проектування моделей, робота з міграціями). Architecture: Обов'язкове використання трирівневої архітектури (Routes-Services-Repositories). Чітке розділення бізнес-логіки та шару роботи з даними. Validation: Pydantic v2 для валідації та схем даних. 2. AI & RAG Specialized: Framework: LangChain (наш основний інструмент для побудови логіки агентів). LLM: Глибока інтеграція з OpenAI API (GPT-4, Embeddings). RAG: Розуміння механізмів Retrieval-Augmented Generation (робота з контекстом, пошук, реранкінг). 3. AI-Driven Development (Productivity Stack): IDE: Досвід роботи з Cursor (використання AI-функцій для прискорення написання та рефакторингу коду). Cloud: Досвід роботи з CloudCode (інтеграція з хмарною інфраструктурою). Efficiency: Вміння використовувати ШІ-інструменти для автоматизації написання тестів та документації. 4. Infrastructure: Containerization: Docker та Docker-compose (підготовка середовища розробки та деплою). CI/CD: Робота з Git (GitHub/GitLab), розуміння процесів доставки коду. Умови: Дистанційна робота з гнучким графіком. Відсутність зайвої бюрократії та можливість впливати на технічний стек. Відсутність мікроменеджменту. Для відгуку: Посилання на GitHub (бажано з прикладами коду на FastAPI або LangChain). Актуальне резюме. Короткий опис твого досвіду з RAG: які інструменти використовував, з якими базами працював і як вирішував питання якості відповідей (наприклад, робота з контекстом чи промптами). Очікування по зарплаті (USD/hour). Процес відбору включає коротке технічне завдання (до 2 годин) для перевірки культури написання коду.