yandex
SeniorУдалённоПолная занятость

Senior Software Engineer II - Agentic Intelligence

ИИОценка ИИ

Honeycomb — лидер в нише observability с отличной инженерной культурой. Работа над Agentic Intelligence на острие технологий (LLM, MCP, Bedrock) делает эту позицию одной из самых привлекательных для AI-инженеров на текущем рынке.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.


Вакансия из открытого источника
Пожаловаться

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Роль требует редкого сочетания глубокой экспертизы в LLM-агентах и классической разработки высоконагруженных систем. Кандидат должен уметь работать с данными высокой кардинальности и самостоятельно доводить сложные AI-прототипы до уровня надежности Enterprise-класса.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Анализ зарплаты

Медиана180 000 $
Рынок150 000 $ – 230 000 $
ИИОценка ИИ

Для позиции уровня Senior II в Канаде в топовой технологической компании предлагаемая роль соответствует верхнему сегменту рынка. Ожидаемый доход для таких специалистов обычно начинается от 160k CAD и может достигать 220k+ CAD без учета опционов.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Сопроводительное письмо

Составьте сопроводительное письмо под эту вакансию с вашим резюме

Иллюстрация сопроводительного письмаИллюстрация сопроводительного письма

Описание вакансии

Откликнуться в Honeycomb

*🤩* Удалённо, Канада

*🔔* Опубликовано менее 72 часов назад

*📸 Разрабатывает платформу наблюдаемости, которая помогает инженерам разбираться в работе распределённых систем*

*🤩* Среди клиентов — HelloFresh, Slack, LaunchDarkly и Vanguard

Задачи:

• Создавать агентов, которые анализируют телеметрию в Canvas и помогают расследовать инциденты;

• Доводить агентов от прототипа до продакшена и поддерживать тесты для оценки их качества;

• Развивать Canvas, MCP-сервер и Canvas Skills, в том числе память агентов и производительность цикла Bedrock.

*🕸 Требования:*

• Опыт запуска LLM-агентов, на которые пользователи полагаются в продакшене;

• Умение самостоятельно довести прототип до надёжного решения и поддерживать его;

• Понимание архитектуры агентов и того, как быстрые запросы по данным высокой кардинальности расширяют их возможности;

• Умение выбирать продуктовые улучшения и проверять их рабочим прототипом.

Откликнуться: Откликнуться

*🚀* Offer Inside

⁣⁣⁣​‌​​‌‌‌‌​‌​​​‌​​​‌​‌‌​​‌​‌‌‌​‌‌‌​‌​​‌‌‌​​‌​​​‌‌‌​‌​​‌​‌​​‌‌​‌‌​​​‌​​‌‌​‌​‌​‌​‌​​​‌‌​​‌‌‌​​‌‌​​​​​‌​​‌‌​‌​​‌‌​​‌​​‌​‌​​​‌​‌‌‌‌​‌​​‌​​‌‌‌‌​‌​​​‌‌‌​‌​‌‌​​‌​‌‌‌‌​‌​​‌​‌‌​‌​​‌‌​‌​‌​​‌‌​​‌​​​‌‌​‌​​‌​‌​‌‌​‌​​‌​‌​‌​​​‌​​‌‌‌​​‌‌​‌​‌‌​‌​‌‌​​‌​‌‌​‌​‌​​‌‌​‌​‌‌​​‌‌​​​​​‌​​‌‌‌‌​‌​‌​‌​​​‌​​‌‌​‌​​‌‌​​​‌​‌​‌‌​‌​​‌​‌​‌​​​‌‌​‌​‌‌​‌‌‌‌​‌​​‌​‌‌​‌​​‌‌​‌​‌​​‌‌​‌‌​​​‌‌​‌​‌​​‌​​‌‌‌​​‌​‌​‌‌‌​‌​‌​​​‌​​‌‌​​‌​​‌​​‌‌‌​​‌‌‌‌​‌​​‌​‌‌​​‌​‌‌‌‌​​​​‌​‌‌​​‌​‌​‌​‌‌‌​‌​​‌​​‌​​‌‌​​​​​‌​‌‌​​‌​‌‌​‌‌​‌​‌​​​‌​‌​‌‌‌​‌‌‌​‌​​‌‌‌‌​‌​​​‌​​​‌​‌‌​​‌​‌‌‌‌​​​​‌​‌‌​‌​​‌​‌​‌​​​‌​‌​‌​‌​​‌‌​​​​​‌​​‌‌‌​​‌​​​‌‌‌​‌​​‌‌‌​​‌‌​‌‌​​​‌​‌‌​​‌​‌‌‌‌​‌​​‌​​​​‌​​‌‌​‌​​​​‌​​‌‌​‌​‌‌​‌​‌​​‌‌​‌​‌‌​​‌‌​​​​​‌​‌‌​​‌​‌​‌​‌‌‌​‌​​​‌​‌​​‌‌​​​​​‌​‌‌​‌​​‌​‌​​​‌⁣⁣⁣⁣

Больше похожих вакансий + автоотклики с ИИ

Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Больше похожих вакансий + автоотклики с ИИ

Навыки

  • LLM
  • Distributed Systems
  • Observability
  • AI Agents
  • Telemetry
  • MCP
  • Bedrock

Возможные вопросы на собеседовании

Проверка практического опыта масштабирования AI-решений.

Расскажите о самом сложном случае, когда вам пришлось переводить прототип LLM-агента в продакшн. С какими проблемами надежности вы столкнулись?

Honeycomb работает с огромными объемами телеметрии. Важно понимать, как кандидат связывает данные и AI.

Как именно данные высокой кардинальности (high-cardinality data) могут улучшить контекстное понимание агента при расследовании инцидентов?

Вакансия упоминает MCP и Bedrock. Важно знание современных протоколов взаимодействия.

Каков ваш опыт работы с Model Context Protocol (MCP)? Как вы оптимизируете производительность цикла Bedrock для минимизации задержек?

Агенты в observability должны быть точными. Проверка навыков тестирования.

Какие метрики и подходы вы используете для оценки качества работы агентов (evals) в динамической среде, где нет единственно правильного ответа?

Проверка продуктового мышления.

Как вы принимаете решение о том, стоит ли внедрять новую функцию в агента или это избыточное усложнение для пользователя?

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Похожие вакансии

Канада
более 1000 офферов получено
4.9

1000+ офферов получено

Устали искать работу? Мы найдём её за вас

Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!