- Страна
- Израиль
AI Engineer
Оценка ИИОчень привлекательная вакансия в перспективной нише AI Security с понятными и амбициозными задачами. Работа в команде с опытными инженерами над продуктом, который уже показывает результат (80% успеха), дает отличные возможности для роста.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний на стыке AI (агенты, промпт-инжиниринг) и DevOps/Security (Docker, Kubernetes, CVE). Особое внимание уделяется умению выстраивать систему оценки качества (Evals).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата не указана, но для позиции AI Engineer в Тель-Авиве рыночные показатели являются одними из самых высоких в мире. Учитывая сложность задач и требования к опыту в Security и DevOps, компенсация должна соответствовать верхнему уровню израильского тех-рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Публикатор: Źmićer Rubinštejn
Обсуждение: @TechRabbits
tl;dr: AI Engineer, Тель-Авив, hybrid, Aikido Security #вакансия #job
Я сейчас ищу человека к себе в команду в Aikido.
До Aikido я был founding engineer в Root.io - мы строили security tooling вокруг cloud/container infrastructure. В этом году нас купил Aikido, и сейчас внутри Aikido мы строим две довольно необычные AI-системы.
Первая - AI, который сам чинит CVE.
Мы хотим убрать практически весь manual work из remediation:
CVE
→ агент исследует код
→ находит причину уязвимости
→ пишет патч
→ применяет его
→ запускает проверки
→ открывает MR.
Человеку остаётся поревьюить MR и нажать Merge.
Система уже работает, закрывает 80% кейсов, но 20% как известно - самые сладкие. Сидим - допиливаем.
Вторая - AI, который пересобирает Docker images популярных open-source проектов.
Например, есть официальный Docker build для nginx, Elasticsearch или другого популярного проекта.
Наша задача:
взять оригинальный Dockerfile
→ полностью воспроизвести его build
→ разобраться, как он устроен
→ модифицировать Dockerfile так, чтобы в resulting image были security patches
→ снова собрать и проверить результат
На выходе пользователь получает не какой-то magic binary, а готовый Dockerfile в MR, который можно собрать самому.
История та же самая - 80% работает, а 20% - патч в промпте или новый скил каждый день
И вот человека, который поможет нам делать эти системы надёжнее и умнее, мы сейчас ищем.
Что предстоит делать:
AI agents — строить агентов для vulnerability research, patch generation, Dockerfile reconstruction и automated remediation.
Agent engineering — LLMs, tools, context, prompts, guardrails, agentic workflows.
Evals — строить систему, которая позволяет понимать, насколько хорошо агент реально справляется с задачами: datasets, tracing, evaluation pipelines, regression tests и метрики.
Containers — Dockerfiles, builds, dependency resolution, reproducible builds и security remediation контейнеров.
Security — CVEs, software supply chain, dependencies, containers и automated patching.
Production — Kubernetes, Argo Workflows, AWS, GitOps. Всё это должно работать не как research prototype, а как production infrastructure.
Стек (базвордов рассыпал - пакет порвался): Python, LangGraph, Claude Agent SDK, Langfuse, Kubernetes, Argo Workflows, AWS, GitOps.
Самое важное на что смотрим в процессе найма - понимаешь ли ты как оценить качество работы агента чтобы понимать на следующей итерации стало ли лучше или нет и нужно ли вообще дальше улучшать. Готовь ответы перед собеседованием!
Тель-Авив, hybrid.
Вакансия: Откликнуться
Если интересно — пишите мне напрямую, расскажу подробнее.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- LangGraph
- Claude Agent SDK
- Langfuse
- Kubernetes
- Argo Workflows
- AWS
- GitOps
- Docker
- LLM
- Prompt Engineering
Возможные вопросы на собеседовании
В описании вакансии это указано как ключевой навык для найма.
Как вы подходите к построению системы Evals для AI-агентов, чтобы объективно оценивать прогресс между итерациями?
Вакансия предполагает работу над автоматическим исправлением CVE.
С какими сложностями вы сталкивались при автоматизации патчинга уязвимостей и как AI может помочь в их решении?
Одна из задач — модификация Docker-образов для повышения безопасности.
Как обеспечить воспроизводимость сборки Docker-образа при его автоматической модификации AI-агентом?
Стек включает LangGraph и Claude Agent SDK.
В каких случаях вы предпочтете использование LangGraph для управления логикой агента вместо простых цепочек вызовов?
Проект требует работы с Argo Workflows и AWS.
Как вы организуете масштабирование AI-агентов в Kubernetes для обработки большого потока задач по сканированию и исправлению кода?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
