Główny inżynier oprogramowania - rozwój w oparciu o sztuczną inteligencję

Opis stanowiska: Opis stanowiska Podstawowym obowiązkiem głównego inżyniera oprogramowania (AI-First Development) jest kierowanie codzienną realizacją techniczną małego zespołu inżynierów AI-First, projektowanie, koordynowanie i sprawdzanie poprawności aplikacji zbudowanych w ramach przepływów pracy programistycznych opartych na sztucznej inteligencji. Ta rola działa w ramach cyklu życia oprogramowania AI-First (SDLC), w którym agenci AI pełnią rolę głównych producentów kodu, konfiguracji i artefaktów testowych, podczas gdy główny inżynier oprogramowania zapewnia kierownictwo architektoniczne, inżynierię kontekstu, zarządzanie pętlą przez człowieka, opiekę techniczną i ostateczną odpowiedzialność za dostarczone oprogramowanie. Główny inżynier oprogramowania to doświadczony inżynier, który zintegrował już nowoczesne narzędzia programistyczne wspomagane sztuczną inteligencją w swoim codziennym przepływie pracy i ma doświadczenie w prowadzeniu innych inżynierów przez decyzje dotyczące architektury, przeglądy kodu i zobowiązania dotyczące dostaw.

Wszystkie obowiązki należy wykonywać zgodnie z polityką, praktykami i procedurami wydziału oraz Las Vegas Sands Corp. Od wszystkich członków zespołu Las Vegas Sands Corp. oczekuje się ciągłego zachowywania się i zachowywania w sposób profesjonalny. Członkowie Zespołu mają obowiązek przestrzegać standardów firmy, wymagań pracy i zasad postępowania.

Podstawowe obowiązki i obowiązki - Projektowanie i orkiestracja przepływu pracy agentów - Definiowanie, budowanie i utrzymywanie przepływów pracy agentów AI, których zespół używa do tworzenia kodu aplikacji, konfiguracji infrastruktury, zestawów testów i dokumentacji, a także pomagania innym inżynierom w ich rozszerzaniu. - Rozłóż wymagania aplikacji na osobne, dobrze określone zadania, które agenci AI mogą skutecznie wykonać w określonych granicach, i przejrzyj rozkład zadań opracowany przez członków zespołu. - Wybierz i skonfiguruj odpowiednie modele sztucznej inteligencji, struktury agentów i narzędzia dla każdego przepływu pracy w oparciu o złożoność zadania, poziom ryzyka i względy kosztowe, a także ustaw wartości domyślne, na których pracuje zespół. - Twórz i utrzymuj wspólny kontekst, który zapewnia agentom wiedzę organizacyjną, standardy kodowania, wzorce architektoniczne i informacje o domenie potrzebne do tworzenia prawidłowych i spójnych wyników. - Posiadaj zestaw narzędzi agenta zespołu, w tym umiejętności wielokrotnego użytku, haki automatyzacji, integracje MCP i pliki pamięci projektu, które zapewniają trwały kontekst między sesjami agentów. - Tam, gdzie to konieczne, stosuj wzorce subagentów o określonym zakresie, zgodnie z zasadą najniższych uprawnień w zakresie dostępu do narzędzi, i szkol inżynierów, kiedy uzasadnione są architektury wieloagentowe, a kiedy wystarczą prostsze przepływy pracy. - Systematycznie wychwytuj spostrzeżenia, wzorce i tryby awarii z każdego cyklu programowania i koduj je z powrotem we wspólnym kontekście, umiejętnościach i konfiguracjach agentów, aby późniejsza praca stała się bardziej niezawodna. - Prowadź wspólne sesje udoskonalania wymagań, aby dostosować zespół do kryteriów akceptacji i pakietów kontekstu przed rozpoczęciem wykonywania agenta. - Weryfikacja i zapewnienie jakości - Stosuj i utrzymuj wielowarstwowe podejście do weryfikacji wyników generowanych przez sztuczną inteligencję, sprawdzając poprawność funkcjonalną, stan bezpieczeństwa, charakterystykę wydajności, jakość kodu i zgodność z przepisami. - Ustal oczekiwania w zakresie nadzoru ludzkiego w punktach kontrolnych zarządzania, odpowiednie do poziomu ryzyka każdego przepływu pracy, w tym przegląd przed wykonaniem, obserwację w locie i audyt po wykonaniu, i sprawdź, czy zespół działa zgodnie z nimi. - Pełnić rolę ostatecznego recenzenta i zatwierdzającego kod wygenerowany przez sztuczną inteligencję w przypadku nietrywialnych zmian, upewniając się, że spełnia on standardy kodowania Sands, wytyczne architektoniczne i wymagania bezpieczeństwa przed przeniesieniem do wersji produkcyjnej. - Twórz i utrzymuj zautomatyzowane potoki weryfikacji, które uzupełniają kontrolę człowieka, w tym wiązki testowe, bramki analizy statycznej i telemetrię w czasie wykonywania. - Identyfikuj i prowadź naprawę wzorców dryfowania agentów, halucynacji lub degradacji jakości w przypadku powtarzających się realizacji przepływu pracy. - Zdefiniuj praktyki zespołu dotyczące obserwowalności agentów, zachowania śledzenia, wzorce wywoływania narzędzi, zużycie tokenów i jakość wyników w różnych przepływach pracy. - Tworzenie i architektura aplikacji - Projektuj i dostarczaj aplikacje z pełnym stosem w sieci, interfejsach API i warstwach danych, korzystając z metodologii AI-First jako głównego podejścia do programowania. - Zdefiniuj architekturę systemu, modele danych, kontrakty API i wzorce integracji, które służą jako podstawowy kontekst dla rozwoju opartego na agentach, pełniąc rolę organu technicznego w zespole w zakresie tych decyzji. - Współpracuj z zespołami interdyscyplinarnymi, zajmującymi się produktami, projektami, infrastrukturą i bezpieczeństwem, aby przełożyć wymagania biznesowe na wykonywalne przepływy pracy agentów. - Koordynuj współpracę z zespołami programistycznymi w lokalizacjach na całym świecie, aby zapewnić spójność standardów kodowania i praktyk weryfikacyjnych. - Pisz, debuguj i refaktoryzuj kod bezpośrednio, gdy wyniki agenta wymagają ręcznej interwencji lub podczas odkrywania nowych podejść architektonicznych. - Zapewnij, że dostarczone aplikacje spełniają standardy korporacyjne w zakresie skalowalności, łatwości konserwacji, obserwowalności i gotowości operacyjnej. - Ciągłe doskonalenie i mentoring - Kieruj codzienną realizacją techniczną małego zespołu inżynierów AI-First, zapewniając sprawne kierownictwo techniczne, podczas gdy formalny kierownik ds. dokumentacji znajduje się gdzie indziej w organizacji. - Oceniaj nowe modele sztucznej inteligencji, struktury agentów i narzędzia programistyczne, aby stale poprawiać efektywność przepływu pracy i jakość wyników. - Mentoruje członków zespołu w zakresie praktyk programistycznych wspomaganych sztuczną inteligencją, technik inżynierii kontekstowej i metodologii weryfikacji, przyspieszając rozwój mniej doświadczonych inżynierów w zespole. - Udział w ewolucji standardu Sands AI-First SDLC, proponowanie udoskonaleń w oparciu o praktyczne doświadczenie i mierzalne wyniki. - Wzorce przepływu dokumentów, biblioteki podpowiedzi i kontekstów oraz wnioski wyciągnięte z budowania wiedzy instytucjonalnej. - Monitoruj i optymalizuj zużycie tokenów oraz koszty w przepływach pracy agentów zespołu, stosując strategie takie jak tryb planu, edycja kontekstu i wydajne zarządzanie oknami kontekstu. - Prowadzenie wspólnych sesji konstrukcyjnych, kierowanie realizacją agentów w czasie rzeczywistym i trenowanie członków zespołu w zakresie skutecznych technik orkiestracji. - Uczestnictwo w działaniach rekrutacyjnych dla zespołu, w tym przegląd CV, rozmowy techniczne i wdrażanie nowych inżynierów. - Wykonywanie obowiązków zawodowych w sposób bezpieczny. - Uczestnictwo w pracy zgodnie z planem, w sposób konsekwentny i regularny. - Wykonywanie innych, związanych z tym obowiązków, zgodnie z przydzielonymi im zadaniami. Minimalne kwalifikacje - co najmniej 21 lat. - Dowód zezwolenia na pracę w Stanach Zjednoczonych. - Licencjat z informatyki, inżynierii oprogramowania lub pokrewnej dziedziny lub równoważne doświadczenie zawodowe. - Musi być w stanie uzyskać i utrzymać wszelkie certyfikaty lub licencje wymagane przez prawo lub zasady. - Ponad 8 lat doświadczenia w tworzeniu oprogramowania, w tym na stanowiskach kierowniczych, kierowniczych lub personelu odpowiedzialnych za projektowanie i dostarczanie nietrywialnych systemów. - Udokumentowane doświadczenie w kierowaniu technicznym małym zespołem inżynierów, w tym w przeprowadzaniu przeglądów kodu, doradzaniu inżynierom i kierowaniu dostawami, niekoniecznie pełniąc formalną rolę menedżera ludzi. - Wykazano, że codzienne korzystanie z co najmniej jednego nowoczesnego narzędzia programistycznego wspomaganego sztuczną inteligencją, takiego jak Claude Code, Cursor, GitHub Copilot lub Windsurf, w ciągu ostatnich 6 miesięcy lub dłużej, z możliwością konkretnego przedstawienia skutecznych wzorców użycia i trybów awarii. - Silna podstawowa wiedza na temat co najmniej jednego głównego ekosystemu programistycznego (takiego jak .NET/C#, JavaScript/TypeScript, Python, Java lub Go) oraz umiejętność czytania, oceniania i sprawdzania poprawności kodu w dodatkowych językach istotnych dla danego projektu. - Praktyczna wiedza na temat relacyjnych i nierelacyjnych baz danych, w tym modelowania danych, wydajności zapytań i projektowania schematów. - Doświadczenie we wdrażaniu i obsłudze usług na co najmniej jednej głównej platformie chmurowej (Azure, AWS lub GCP). Doświadczenie z platformą Azure będzie dodatkowym atutem. - Praktyczna wiedza na temat praktyk DevOps, potoków CI/CD i koncepcji infrastruktury jako kodu. - Wykazano umiejętność przeprowadzania dokładnych przeglądów kodu, identyfikowania defektów w wynikach generowanych przez ludzi i sztuczną inteligencję oraz zapewniania konstruktywnych informacji technicznych inżynierom na wielu poziomach doświadczenia. - Doskonałe umiejętności komunikacji pisemnej i werbalnej, z możliwością artykułowania decyzji technicznych i kompromisów zarówno z interesariuszami technicznymi, jak i nietechnicznymi. - Silne umiejętności interpersonalne obejmujące zdolność skutecznej komunikacji i właściwej interakcji z kierownictwem, innymi członkami zespołu i kontaktami zewnętrznymi o różnym pochodzeniu i poziomie doświadczenia.

Preferowane kwalifikacje - praktyczne doświadczenie w konstruowaniu ustrukturyzowanego kontekstu dla LLM, w tym szybkie projektowanie, potoki RAG, optymalizacja okna kontekstowego, pliki pamięci projektu (takie jak CLAUDE.md lub AGENTS.md) oraz integracja z serwerami MCP. Znajomość technik taktycznego zarządzania kontekstem, takich jak tryb planowania, edycja kontekstu i dzielenie wielu sesji. - Doświadczenie w tworzeniu umiejętności wielokrotnego użytku, konfigurowaniu haków automatyzacji, budowaniu niestandardowych serwerów MCP lub innym składaniu zestawów narzędzi agentów, które umożliwiają powtarzalne przepływy pracy na poziomie produkcyjnym. - Wcześniejsze doświadczenie w pracy na stanowisku lub w kierowaniu praktyką programistyczną w oparciu o sztuczną inteligencję lub programowanie oparte na agentach w zespole, z mierzalnymi wynikami w zakresie szybkości, jakości lub kosztów dostawy. - Doświadczenie z mikrousługami, architekturami sterowanymi zdarzeniami lub systemami opartymi na komunikatach (takimi jak Kafka, RabbitMQ lub Azure Service Bus) oraz zrozumienie wzorców integracji przedsiębiorstwa na dużą skalę. - Znajomość praktyk bezpiecznego programowania i wytycznych OWASP oraz doświadczenie w pracy w regulowanej branży, takiej jak gry, finanse, opieka zdrowotna lub hotelarstwo. Zrozumienie zasad prywatności danych i odpowiedzialnej sztucznej inteligencji. - Doświadczenie w zakresie platform testów jednostkowych, integracyjnych i kompleksowych oraz umiejętność oceny zasięgu testów generowanych przez sztuczną inteligencję i identyfikowania luk.

Wymagania fizyczne Muszą być w stanie: - Fizycznie uzyskać dostęp do przypisanych miejsc pracy, z odpowiednimi udogodnieniami lub bez nich. - W razie potrzeby pracuj zdalnie. - Pracuj w pomieszczeniach zamkniętych i bądź narażony na różne czynniki środowiskowe, takie jak między innymi kineskop CRT, hałas i kurz. - Korzystaj z laptopa i standardowej klawiatury, aby wykonywać podstawowe funkcje pracy. Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/principal-software-engineer-ai-first-development-las-vegas-sands