О нас
Ruby Labs — ведущая технологическая компания, которая создает и управляет инновационными потребительскими продуктами. Мы предлагаем разнообразные возможности в сферах здравоохранения, образования и развлечений. Наши инновационные команды формируют будущее продуктов, ориентированных на потребителя, и мы всегда ищем увлеченных специалистов, чтобы присоединиться к нам. Узнайте больше о нашей истории по ссылке: https://rubylabs.com/about-us/
О вакансии
Мы ищем старшего инженера по искусственному интеллекту, который возьмет на себя ответственность за AI-слой одного из наших ключевых продуктов с подпиской D2C и масштабирует его. Вы будете полностью отвечать за функции LLM в продакшене и браузерную автоматизацию, построенную вокруг них, от начала и до конца — системы подсказок, структурированные выводы, оценка, наблюдаемость и выбор модели — от первого эксперимента до живого релиза, с ответственностью за качество, надежность и стоимость.
Это роль с высоким влиянием, подходящая для человека, который принимает решения на основе данных, а не интуиции. Непроверенные изменения подсказок, необнаруженные сбои и замены моделей без бенчмарков недопустимы. Вы работаете в современном стеке TypeScript — Next.js, Cloudflare Workers и Containers с Hono, очереди задач Hatchet, Drizzle на Supabase Postgres, Vercel Blob. Браузерная автоматизация на Browserbase и Playwright составляет примерно половину работы.
Основные обязанности
Системы подсказок и структурированные выводы
•Проектировать динамические шаблоны подсказок с условной логикой и внедрением контекста, которые максимизируют качество генерации
•Обеспечивать предсказуемые выводы с помощью JSON-режима, вызова функций, схем Zod/JSON, валидаторов и циклов исправления
•Владеть сложными рабочими процессами LLM (LangChain, LlamaIndex или кастомными), которые чисто интегрируются в логику приложения
Браузерная автоматизация
•Создавать и поддерживать браузерную автоматизацию на Browserbase Functions и Playwright, которая надежно проходит веб-потоки
•Классифицировать экраны с помощью модели внутри каждого прохода и решать, что обрабатывает модель, а что — детерминированный код
•Выпускать автоматизации как замороженные, опубликованные воркеры — версионированные, воспроизводимые и безопасные для отката
•Организовывать запуски через Hatchet с повторными попытками, тайм-аутами и трассировками сбоев, которые объясняют каждое неудачное выполнение
Оценка и эксперименты
•Строить конвейеры оценки — тестовые наборы данных, LLM в роли судьи, метрики в стиле RAGAS — и оценивать ответы и классификации экранов в Langfuse
•Отслеживать сложные цепочки LLM для выявления узких мест по стоимости, задержкам и использованию контекстного окна
•Проводить A/B тесты моделей и подсказок через AI-шлюз (OpenRouter, Cloudflare AI Gateway); выпускать только на основе количественных бенчмарков
•Переоценивать модели по мере появления новых архитектур; дообучать при необходимости в соответствии с требованиями домена
Ответственность за продакшен
•Вести AI-функции от эксперимента до живого продакшена на Cloudflare Workers и Containers и оставаться ответственным после релиза
•Управлять лимитами запросов, резервными вариантами и стоимостью моделей, чтобы функции оставались надежными при масштабировании
•Решать инциденты в продакшене в системах AI и автоматизации с документированным анализом корневых причин
Требования
Обязательный опыт
•5+ лет разработки программного обеспечения с Node.js, TypeScript, Next.js и Postgres, включая edge или serverless среды выполнения, такие как Cloudflare Workers
•Опыт продакшен-браузерной автоматизации с Playwright (Browserbase или аналог): устойчивые селекторы, повторные попытки, обработка сбоев в масштабе
•Опыт продакшен-динамического создания подсказок — контент, зависящий от входных переменных и внедренного контекста
•Структурированные выводы в продакшене: JSON-режим, вызов функций, схемы Zod/JSON
•Опыт работы с унифицированными API LLM или AI-шлюзами (OpenRouter, Cloudflare AI Gateway): лимиты запросов, резервные варианты, экономичный выбор моделей
•Наблюдаемость LLM с Langfuse или аналогами: трассировка, тестовые наборы данных, интеграция оценки
•Методология оценки: RAGAS или кастомные системы LLM в роли судьи
Лидерские качества
•Принимает решения на основе бенчмарков и трассировочных данных, а не интуиции
•Аналитичен — преобразует логи генерации в метрики, на которые бизнес может опереться
•Итеративен — строит циклы обратной связи и постоянно совершенствуется
•Несет ответственность за результат от эксперимента до продакшена и далее
•Проверяет перед тем, как доверять — рассматривает выводы LLM как неподтвержденные до валидации
Местоположение
Ruby Labs работает в часовом поясе CET (Центральноевропейское время). Кандидаты из любой страны могут подать заявку на позицию, если они находятся примерно в пределах ± 4 часов от CET. Это обеспечивает оптимальное сотрудничество и коммуникацию в рабочее время.
Преимущества
•Удаленная работа: свобода работать из любого места и в любое время, поддерживая здоровый баланс между работой и личной жизнью
•Неограниченный оплачиваемый отпуск
•Оплачиваемые национальные праздники
•Компания предоставляет MacBook сотрудникам, которым он необходим
•Гибкий договор с независимым подрядчиком: налоговые льготы, возможности для нетворкинга, снижение обязательств работодателя и свобода работать из любого места. Подробнее: https://docs.google.com/document/d/1nkrN76JlZkbKj9WSOhlT1_mni_CZeDkHdwfIjPXVwvk/preview?tab=t.0#heading=h.ndsdl4wapxtt
Процесс собеседования
После подачи заявки проводится обзор, который обычно занимает от 3 до 5 дней, но иногда может занять больше времени из-за большого количества заявок. Если есть потенциальное соответствие, переход к следующим этапам:
•Скрининг рекрутера (40 минут)
•Техническое собеседование (60 минут)
•Финальное собеседование (30 минут)
