Agentic SDLC Senior Engineer

Avengapl — Poland · Posted ~3 hours ago

Senior Contract

Skills

Software development DevOps AI agents CI/CD SDLC AI Agents GitHub Copilot Claude Code

🔓 Log in to save this job, tailor your resume & track your apply process — 7 days free, no card needed.

Log in to add to target list

Summary ✨ AI‑Generated

A senior engineering role focused on designing and implementing AI-powered software development lifecycle solutions, including autonomous agents, workflows, integrations, and developer tooling.

Highlights

Work on advanced AI-driven software development workflows while transferring knowledge and improving engineering processes.

Description

Zakres planowanych prac: Przedmiotem usługi jest projektowanie, budowa i wdrażanie rozwiązań klasy Agentic SDLC w zespołach wytwórczych domeny: agentów AI, workflowów, integracji z narzędziami deweloperskimi i pipeline'ami CI/CD, wraz z ich utrzymaniem, rozwojem i pomiarem efektów. Usługa realizowana jest wspólnie z zespołami wytwórczymi Zamawiającego, w modelu zapewniającym transfer wiedzy oraz samodzielne utrzymanie i rozwój rozwiązań przez zespoły po zakończeniu usługi. Wymagania: • Minimum 5 lat doświadczenia w roli technicznej: Software Developer, DevOps Engineer, QA/Test Automation Engineer lub podobnej. • Praktyczne doświadczenie w zespołach wytwórczych oraz znajomość pełnego cyklu życia aplikacji. • Doświadczenie w projektowaniu i wdrażaniu rozwiązań opartych o narzędzia AI w SDLC, np. GitHub Copilot, Claude Code, Cursor, Codex, M365 Copilot, modele open-source. • Praktyczna umiejętność budowy agentów AI, workflowów, skilli i promptów oraz ich integracji ze środowiskiem wytwórczym (repozytoria, CI/CD, code review, testy). • Znajomość Spec-Driven Development oraz nowoczesnych praktyk inżynierii oprogramowania wspieranych przez AI. • Znajomość koncepcji LLM, RAG, automatyzacji i architektur agentowych; mile widziana praktyka z frameworkami, np. LangGraph, oraz protokołem MCP. • Doświadczenie w produkcyjnym wdrażaniu rozwiązań AI: konfiguracja, integracja z systemami organizacji, hardening, monitorowanie i iteracyjny rozwój. • Umiejętność zbierania, porządkowania i przekładania potrzeb biznesowych oraz technicznych na konkretne inicjatywy wdrożeniowe i architekturę rozwiązania (w tym z wykorzystaniem warsztatów technicznych jako metody discovery). • Umiejętność oceny wartości biznesowej AI, optymalizacji kosztów użycia modeli oraz mierzenia efektów wdrożeń.