Job VC
Fullstack + AI Engineer
Technologies
Description
Fullstack + AI Engineer
middle · fullstack + ai
Доводити MVP до production — від першого коміту до живих користувачів
Ми шукаємо людину, яка думає продуктово: розуміє, навіщо та що будується, і може зробити технічний вибір без мікроменеджменту
Технічний стек
Frontend / Backend
React
Node.js
TypeScript
REST API
GraphQL
Бази даних
PostgreSQL
MongoDB
Redis
AI / LLM Engineering
RAG
Qdrant
Embeddings
Reranking
Hybrid search
Chunking
Prompt engineering
Function calling
Streaming
LangChain / LlamaIndex
Інфраструктура
Docker
Docker Compose
CI/CD (буде плюсом)
AWS / GCP (буде плюсом)
Обов’язки
Підхоплювати MVP на будь-якому етапі й доводити до production-готовності
Проектувати та розробляти fullstack-фічі: API + UI + БД — від дизайну схеми до кінцевого рендеру
Будувати AI-пайплайни: ingestion → chunking → embedding → retrieval → generation
Оптимізувати RAG-системи: hybrid search, reranking, query routing, eval-метрики
Інтегрувати LLM-провайдерів (OpenAI, Anthropic, Mistral, local models)
Писати чіткі, підтримувані промпти та function-calling схеми з версіонуванням
Кодревʼю, документація, участь у технічних дискусіях
Вимоги
Fullstack (must have)
2+ роки комерційного досвіду React + Node.js
TypeScript — впевнено, зі строгими типами
REST та GraphQL API — проектування і споживання
PostgreSQL — складні запити, індекси, транзакції
MongoDB, Redis — базовий практичний досвід
Docker + Docker Compose — локально і в prod
AI Engineering (must have)
Практичний досвід побудови RAG-систем
Розуміння embeddings, vector store, cosine similarity
Досвід з Qdrant або аналогічним vector DB
Prompt engineering: few-shot, CoT, system prompts
Function calling / tool use з будь-яким LLM-провайдером
Streaming відповідей (SSE / WebSocket)
Буде великим плюсом
Досвід з LangChain, LlamaIndex або власними оркестраторами
Робота з локальними моделями (Ollama, vLLM, llama.cpp)
Eval-фреймворки для LLM: RAGAS, DeepEval, TruLens
Агентніархітектури: ReAct, Plan-and-Execute, multi-agent
Досвід fine-tuning або PEFT (LoRA, QLoRA)
CI/CD пайплайни, хмарна інфраструктура (AWS / GCP / Azure)
Observability інструменти: LangSmith, Langfuse, Helicone
Ми пропонуємо
Рівень
Middle, з ростом до Senior
Формат
Remote / Hybrid, гнучкий графік
Технології
Сучасний стек, реальні AI-продукти
Команда
Невелика, без бюрократії
Зростання
Менторство та code review
Вплив
Видно результат своєї роботи
middle · fullstack + ai
Доводити MVP до production — від першого коміту до живих користувачів
Ми шукаємо людину, яка думає продуктово: розуміє, навіщо та що будується, і може зробити технічний вибір без мікроменеджменту
Технічний стек
Frontend / Backend
React
Node.js
TypeScript
REST API
GraphQL
Бази даних
PostgreSQL
MongoDB
Redis
AI / LLM Engineering
RAG
Qdrant
Embeddings
Reranking
Hybrid search
Chunking
Prompt engineering
Function calling
Streaming
LangChain / LlamaIndex
Інфраструктура
Docker
Docker Compose
CI/CD (буде плюсом)
AWS / GCP (буде плюсом)
Обов’язки
Підхоплювати MVP на будь-якому етапі й доводити до production-готовності
Проектувати та розробляти fullstack-фічі: API + UI + БД — від дизайну схеми до кінцевого рендеру
Будувати AI-пайплайни: ingestion → chunking → embedding → retrieval → generation
Оптимізувати RAG-системи: hybrid search, reranking, query routing, eval-метрики
Інтегрувати LLM-провайдерів (OpenAI, Anthropic, Mistral, local models)
Писати чіткі, підтримувані промпти та function-calling схеми з версіонуванням
Кодревʼю, документація, участь у технічних дискусіях
Вимоги
Fullstack (must have)
2+ роки комерційного досвіду React + Node.js
TypeScript — впевнено, зі строгими типами
REST та GraphQL API — проектування і споживання
PostgreSQL — складні запити, індекси, транзакції
MongoDB, Redis — базовий практичний досвід
Docker + Docker Compose — локально і в prod
AI Engineering (must have)
Практичний досвід побудови RAG-систем
Розуміння embeddings, vector store, cosine similarity
Досвід з Qdrant або аналогічним vector DB
Prompt engineering: few-shot, CoT, system prompts
Function calling / tool use з будь-яким LLM-провайдером
Streaming відповідей (SSE / WebSocket)
Буде великим плюсом
Досвід з LangChain, LlamaIndex або власними оркестраторами
Робота з локальними моделями (Ollama, vLLM, llama.cpp)
Eval-фреймворки для LLM: RAGAS, DeepEval, TruLens
Агентніархітектури: ReAct, Plan-and-Execute, multi-agent
Досвід fine-tuning або PEFT (LoRA, QLoRA)
CI/CD пайплайни, хмарна інфраструктура (AWS / GCP / Azure)
Observability інструменти: LangSmith, Langfuse, Helicone
Ми пропонуємо
Рівень
Middle, з ростом до Senior
Формат
Remote / Hybrid, гнучкий графік
Технології
Сучасний стек, реальні AI-продукти
Команда
Невелика, без бюрократії
Зростання
Менторство та code review
Вплив
Видно результат своєї роботи