Инженер-исследователь AI-агентов

Что предстоит делать

Большинство команд просто покупают модель подороже и надеются, что она решит проблему. Мы идём другим путём: разрабатываем платформу, на которой даже средняя модель начинает стабильно решать реальные инженерные задачи. Мы ищем инженера-исследователя, который будет собирать и тестировать такие системы для Bos.pro: разбирать, почему агент ошибается, что усиливает результат и какие паттерны можно перенести в продакшн. О ПРОДУКТЕ Bos.pro — операционная система для бизнеса (Business Operating System). Платформа, где предприниматель собирает компанию из готовых модулей (CRM, HR, Tasks, Support, Events) и встраивает AI-агентов в ежедневную работу бизнеса. Продукт в стадии бета с активными пользователями. ЧТО ДЕЛАТЬ — Исследовать и улучшать harness для AI-разработки бизнес-приложений Bos.pro: контекстные паки, промпты, агентные сценарии, вызовы тулзов, скиллы, проверки. — Находить, создавать и адаптировать скиллы — наборы инструкций, примеров и ограничений, которые усиливают модель на конкретных типах задач: генерация модулей, правка логики, работа с данными. — Тестировать, какие модели и настройки лучше решают задачи конкретных модулей: CRM, HR, Tasks и других. — Строить оценки (evals), регрессионные тесты и контрольные точки качества для кода, сгенерированного AI. — Разбирать ошибки агентов: где потерян контекст, где сломана логика, где нужна дополнительная валидация. — Описывать удачные паттерны и переносить их в продакшн-пайплайны Bos.pro. ТЫ НАМ ПОДХОДИШЬ, ЕСЛИ: — Просыпаешься ночью запустить агентов — Готов к полному коммитменту — Понимаешь, что качество результата зависит не от модели, а от системы вокруг неё: контекст, скиллы, тулзы, оценки, обратная связь. Или пока интуитивно чувствуешь это — и готов разобраться на практике. — Следишь за тем, что происходит в AI-разработке: читаешь X Карпатого, следишь за обновлениями Claude Code, Cursor, Codex, OpenCode. — Мониторишь GitHub в поисках новых скиллов, harness-паттернов, eval-фреймворков и идей — или хочешь начать это делать и понимаешь зачем. — Читаешь arxiv, блоги и ченджлоги инструментов. Пример того, что мы исследуем: https://arxiv.org/abs/2604.14228v1 — Работаешь исследовательски: формулируешь гипотезу, ставишь эксперимент, измеряешь результат, делаешь вывод. Не «попробовал и вроде работает», а «замерил на 50 задачах и вот данные». Или пока не замерял — но понимаешь, почему это правильный подход. — И самое главное: берешь ответственность, растешь от боли признанных ошибок ИНСТРУМЕНТЫ И СТЕК — AI-dev пайплайн как рабочий инструмент: Claude Code, Cursor, Codex, Windsurf, OpenCode или аналоги — настроены под твой процесс. — Опыт или понимание работы с LLM API, function calling, MCP, агентными фреймворками. — Знакомство с оценками (evals), бенчмарк-сценариями, тестовыми стендами (lm-eval-harness, SWE-bench или собственные) — на уровне использования или готовности разобраться. — Supabase / PostgreSQL. — TypeScript / JavaScript / React — умеешь читать, дебажить и улучшать код, даже если основная работа — не писать его руками. — Docker, CI/CD, изолированные среды выполнения. — Понимание бэкенд-логики, REST API, SQL. — Хакатоны, опенсорс, свои AI-автоматизации — всё, что показывает, что ты строишь, а не просто читаешь. НАЙМ: — Покажи, как устроен твой рабочий пайплайн и агентский харнессинг на хакатоне — На следующий день cделай рывок с нами — выполни задачку по теме, удиви нас — После — обсуждение деталей и оффер