Fullstack-разработчик (C# / .NET / React)
Интересный стек технологий, работа в крупной стабильной компании (дочка Ростелекома) и актуальное направление с использованием ИИ делают вакансию очень привлекательной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Позиция требует уверенного владения двумя разными стеками (C# и React), а также понимания специфических технологий ИИ (LLM, RAG), что повышает порог входа для обычного Fullstack-разработчика.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в объявлении не указана, но для Middle Fullstack-разработчика в России рыночный диапазон составляет от 180 000 до 280 000 рублей. Учитывая требования к знанию LLM и RAG, кандидат может претендовать на верхнюю границу рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
РТК-ЦОД
Fullstack-разработчик (C# / .NET / React)
Опыт работы: 1–3 года
Полная занятость
График: 5/2
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-Разрабатывать серверную часть на C# / .NET и пользовательские интерфейсы на TypeScript / React
-Создавать и развивать отдельные сервисы и микросервисы
-Разрабатывать интеграции с системами обработки заявок, телефонией, чатами, почтой и другими корпоративными системами
-Работать с платформой AutoFAQ, разрабатывать и поддерживать сценарии автоматизации
-Внедрять технологии искусственного интеллекта для классификации, маршрутизации и автоматической обработки обращений
-Участвовать в проектировании архитектуры, проверке кода, тестировании и выпуске новых версий продукта
-Использовать ИИ-помощников и агентов для ускорения и повышения качества разработки
-Серверная часть: C#, .NET, ASP.NET Core, Entity Framework Core
-Клиентская часть: TypeScript, JavaScript, React, Next.js
-Базы данных и интеграции: PostgreSQL, Kafka, REST API, GraphQL
-Инфраструктура: GitLab CI/CD, Docker, Kubernetes
-Мониторинг: Prometheus, Grafana, OpenTelemetry
-Искусственный интеллект: большие языковые модели (LLM), RAG, локальные модели, ИИ-агенты
*☑️* Наши пожелания к кандидатам
-Уверенное знание C# и .NET
-Опыт разработки серверных приложений и API. — Знание TypeScript / JavaScript и опыт работы с React
-Понимание принципов микросервисной архитектуры и распределённых систем
-Опыт работы с реляционными базами данных и системами обмена сообщениями
-Базовое понимание принципов машинного обучения, больших языковых моделей и их применения
-Практический опыт разработки с использованием ИИ: работа с ИИ-агентами, настройка среды и правил их работы (harness), управление контекстом и памятью, создание инструкций и навыков агентов, подключение инструментов через MCP, использование локальных языковых моделей
-Умение самостоятельно разбираться в существующем коде, предлагать решения и доводить задачи до результата
Будет плюсом:-Опыт разработки решений с использованием LLM и RAG
-Опыт работы с платформой AutoFAQ
-Опыт разработки сценариев на предметно-ориентированных языках (DSL)
-Опыт интеграции с системами технической поддержки, телефонией и контактцентрами
-Опыт работы с Kubernetes и инструментами мониторинга
Контакты: Откликнуться
React Job в Telegram | в VK | в Max
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- TypeScript
- LLM
- Kubernetes
- Prometheus
- Grafana
- OpenTelemetry
- PostgreSQL
- JavaScript
- GraphQL
- RAG
- React
- Docker
- Kafka
- REST API
- Next.js
- GitLab CI/CD
- .NET
- ASP.NET Core
- Entity Framework Core
- C#
Возможные вопросы на собеседовании
Проверка понимания работы с асинхронностью в .NET, что критично для высоконагруженных сервисов.
Расскажите о различиях между Task и ValueType в контексте производительности .NET приложений.
Оценка навыков оптимизации фронтенд-части на React.
Какие методы оптимизации рендеринга в React вы используете для сложных интерфейсов с большим объемом данных?
Вакансия предполагает работу с микросервисами и Kafka.
Как обеспечить консистентность данных между микросервисами при использовании Kafka?
В описании сделан упор на ИИ-агентов и LLM.
Как вы подходите к управлению контекстом и памятью при разработке ИИ-агентов на базе LLM?
Проверка опыта работы с контейнеризацией.
Опишите процесс отладки приложения, запущенного в кластере Kubernetes.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

