Gentlecodes

1. Č. 01AI EngineerLLMAI SolutionPythonTypescriptAzure AIRAGSharepoint

   POPIS POZICE:

   O pozici: hledáme praktického seniorního AI Engineera, který bude pro firemní klienty navrhovat, vytvářet a nasazovat produkční AI agenty. Staňte se součástí týmu, který od začátku do konce dodává dvě propojená řešení na společném, opakovaně použitelném backendu v Azure:

   konverzačního asistenta, který využívá retrieval-augmented generation (RAG) a znalostní bázi, jež se časem rozrůstá

   pipeline řízenou LLM, která hodnotí a opravuje kvalitu dat a propojuje firemní ticketovací systémy se systémy pro správu znalostí

   To, co vytvoříte, navíc proměníte v opakovaně použitelné šablony agentů, aby budoucí případy užití nemusely začínat od nuly.

   Hlavní odpovědnosti:

   Navrhovat a implementovat AI agenty na Microsoft Foundry, včetně nasazení modelů, návrhu promptů a orchestrační logiky.

   Vytvářet RAG pipeline s využitím Azure AI Search a Blob Storage. To zahrnuje načítání dat, jejich dělení na části (chunking), indexaci a vracení odpovědí spolu se zdroji.

   Publikovat agenty v Microsoft Teams přes Azure Bot Service, včetně eskalačních scénářů a schvalování člověkem (human-in-the-loop).

   Vytvářet workflow založená na LLM, která vyhodnocují obsah podle dohodnutých kritérií kvality a automaticky opravují záznamy výhradně na základě dat, která již obsahují, bez vymýšlení informací.

   Vyvíjet integrační služby na Azure Functions a/nebo Container Apps: dávkové importy historických dat, zpracování nových záznamů řízené webhooky a kontrolovaný zpětný zápis do cílových systémů.

   Nastavit observabilitu pomocí Azure Monitor a Application Insights, včetně trasování agentů, chyb a latence.

   Implementovat zabezpečený přístup pomocí Entra ID, spravovaných identit a Key Vault a dohodnout návrh sítě a autentizace s IT a bezpečnostními týmy klienta.

   Vytvářet testovací a evaluační frameworky pro kvalitu agentů, a také zátěžové testy a uživatelské akceptační testy (UAT).

   Sdružovat komponenty do opakovaně použitelných šablon agentů a psát srozumitelnou dokumentaci ke kódu, integracím a procesům.

   POŽADAVKY:

   Více než 5 let zkušeností s vývojem softwaru, z toho více než 2 roky s tvorbou produkčních řešení založených na LLM nebo GenAI.

   Silné znalosti Pythonu (znalost TypeScriptu je výhodou).

   Prokazatelné zkušenosti s Azure OpenAI / Microsoft Foundry, Azure AI Search a architekturami RAG.

   Praktické zkušenosti s Azure Functions nebo Container Apps, REST API a webhooky.

   Pracovní znalost Entra ID, Key Vault a základů síťování v Azure.

   Zkušenost s vyhodnocováním výstupů LLM, např. skórováním podle hodnoticích kritérií, sadami regresních testů nebo přístupem LLM-as-judge.

   Plynulá čeština a angličtina.

   VÝHODOU:

   Zkušenost s integrací firemních SaaS nástrojů, jako jsou Jira, Confluence a SharePoint, prostřednictvím jejich API.

   Zkušenost s boty pro Microsoft Teams nebo s Bot Framework.

   Zkušenost s infrastrukturou jako kódem (Bicep nebo Terraform) a s CI/CD v Azure DevOps nebo GitHubu.

   Zkušenost s platformami ERP/CRM, např. Dynamics 365.

   Zkušenost s poradenstvím nebo s dodávkami projektů v přímém kontaktu s klientem.

   Certifikace Microsoft, například AI-102 nebo AZ-204.

   Nástup: co nejdříve

   Délka spolupráce: do prosince, s možným prodloužením.

   HackerRank výzva: ne

   Místo výkonu práce: možnost plně vzdálené práce; preferujeme práci na místě v Praze.

   Překryv s americkým časem: není požadován

   Přihlásit se — napište nám →
2. Č. 02Salesforce developerJavaApexLWCJavaScriptFlows

   JOB DESCRIPTION:

   Project: New risk tool, calculation of credit limits & evidence of collaterals

   Team: 1 PO, 1 TL, 3 DEV, 1 tester

   REQUIREMENTS:

   3+ years Salesforce development

   Apex, LWC, JavaScript, Flows

   REST/SOAP integrations

   OAuth

   Named/external credentials

   Git, CI/CD

   Preferred:    
   Salesforce Application Development certifications

   ADVANTAGE:

   Java experience

   Přihlásit se — napište nám →
3. Č. 03Tech Lead (70 % .NET, 30 % React).NETReact

   Popis pozice:

   Informace o projektu:

   Next Generation Audit (NGA) je auditní platforma. Práce je rozdělena do toků hodnoty. Každý tok se dělí na pody. Pod dodává jednu produktovou oblast, například administraci a schvalování, vyhledávání obsahu, šablony auditních položek, datový katalog, testování detailů nebo vymezení rozsahu a plán testování.

   Dodávka je agilní. Pody pracují v režimu Kanban nebo ve sprintech. Tech lead je technickým hlasem jednoho podu. Priority určuje product owner. QA je součástí téže dodávky, ne krok, který začíná až po vývoji.

   Platforma běží na Microsoft Azure. Služby jsou psané v .NET. Uživatelské rozhraní tvoří React a TypeScript. Konkrétní knihovny se mezi toky liší. Viz sekce o technologiích níže.

   Role:

   Vedete technickou práci jednoho podu a sami dál píšete produkční kód. Jste ten, na koho se pod obrátí, když je nejasný návrh, review nebo rozhodnutí o vydání.

   Pracujete s product ownerem, QA a lídry v americkém časovém pásmu. Technickou volbu vysvětlíte jasně a srozumitelně, i lidem, kteří nepíšou kód. Také řeknete, že zadání ještě není připravené: požadavek je nejasný, termín není reálný, nebo změna nemá důkaz, že funguje.

   Naslouchátě a pak nabídnete možnosti. Rozhodnutí nenutíte, pokud se k němu pod dokáže dopracovat sám. Všimnete si, když někdo nemá práci nebo když se práce hromadí na jednom člověku, a rozložíte ji.

   Co budete dělat:

   Navrhovat a vytvářet změny ve službách a v uživatelském rozhraní podu. Před začátkem velké změny posoudit její návrh.

   Udržovat repozitáře podu konzistentní: tvar API, Swagger, bezpečnostní kontroly a popisy pull requestů.

   Sami revidovat pull requesty. Odmítnout změnu, kterou autor neumí vysvětlit. Neschvalovat vygenerovaný kód, který nikdo nečetl ani netestoval.

   K dodávce požadovat důkaz. Tím může být uživatelské rozhraní, backendový endpoint nebo integrační test. Má ukázat, že člověk rozumí problému i dopadu a že změna funguje.

   Zapojit QA už při psaní backlogové položky, ne až poté, co build dorazí na testovací prostředí. Akceptační kontroly dohodnout včas. Podporovat vývojáře, kteří píšou automatizované testy základního scénáře (happy path), aby je QA mohlo zkontrolovat a pokrýt okrajové případy.

   Stanovit, jak pod používá AI nástroje pro programování. Pravidla a dovednosti (skills) udržovat v repozitáři. Užitečnou dovednost sdílet přes pull request. Sdílený základ přizpůsobit doméně podu. Jedno nastavení nepovažovat za povinné pro všechny toky.

   Nástroj používat s úsudkem. Dát mu kontext. Před implementací si přečíst plán. Ponechat lidskou kontrolu nad vším, co opouští repozitář, například push, komentář u ticketu nebo schválení pull requestu.

   Podílet se na vydávání. Vydání se koordinují napříč pody. Pomáháte, aby část podu byla předvídatelná: prostředí, konfigurace a kontrola, že je změna skutečně nasazena.

   Převzít díl schválené pohotovosti, když to pod potřebuje. Pohotovost se střídá. Není to trvalý závazek na víkendy pro jednoho člověka.

   Pomoci novému kolegovi, aby byl užitečný už během prvních týdnů. Zapracování na této platformě je pomalé, protože systém je velký. Ukážete lidem pravidla repozitáře, místní doménu a člověka, který jim dokáže uvolnit cestu.

   Včas upozornit na riziko: kapacitu QA, nefunkční prostředí, závislost na jiném podu nebo změnu rozsahu, která přišla příliš pozdě na to, aby se dala udělat dobře.

   Jak tým pracuje:

   Jednotkou dodávky je backlogová položka. Pokud je požadavek chabý, zastavíte se a vyjasníte ho dřív, než pod začne.

   Práce na krátké upozornění se stává. I tak žádáte o jasný požadavek a o termín, který pod stihne.

   Na týdenní synchronizaci lídrů si lídři podů sdělují skutečný stav práce. Svůj pod průběžně informujete.

   Programování s AI je běžné. Obvyklým IDE je Cursor. GitHub Copilot revid###uje pull requesty. Někteří lidé používají také Claude nebo Claude Code. Neexistuje jediný povinný seznam nástrojů. Společné je očekávání: autor změně rozumí.

   Praktická sekvence dovedností, která se již používá, začíná kontrolou, že je funkce zdokumentovaná a připravená, pak následuje plán, poté implementace, větev, pull request, code review a bezpečnostní průchod. Pody sekvenci upravují podle své práce.

   Požadavky:

   Nemusíte znát každou knihovnu hned první den. Musíte však být produktivní v běžném stacku a umět se naučit specifika podu.

   Potřebujete:

   C# a .NET, včetně ASP.NET Core Web API

   React a TypeScript

   REST, Swagger / OpenAPI a pečlivost při změnách, které rozbíjejí volající

   Mikroslužby a uživatelské rozhraní rozdělené na mikro-frontendy

   Microsoft Azure: alespoň App Service nebo Azure Kubernetes Service, Azure Functions a Service Bus

   Relační databázi a dokumentovou databázi. Platforma v různých službách používá SQL Server, Azure SQL, MongoDB a Azure Cosmos DB

   Git, pull requesty a buď Azure DevOps, nebo GitHub. Tento program používá obojí

   Docker, pro lokální běh i pro image služeb

   Automatizované testy, které umíte číst a rozšiřovat. Vývojáři vlastní malé integrační testy a UI testy základního scénáře. Používaným nástrojem pro UI je Playwright

   Každodenní používání AI asistenta pro programování a návyk kontrolovat jeho výstup. Cursor je nástroj, který pody nyní používají

   Architektura, kterou byste měli umět uplatnit:

   Tenký backend-for-frontend před službami

   Clean architecture na službách v .NET, které ji již používají

   Události přes Service Bus, včetně outboxu, když služba publikuje zprávu

   Feature flagy. Používá se LaunchDarkly. Některé aplikace přecházejí na sdílenou knihovnu pro správu funkcí

   Verzování API a kontrakty, které zůstávají stabilní pro ostatní pody

   Pravidla repozitáře, která agent dodrží: bezpečnost, Swagger a vlastní doména podu

   Užitečné na konkrétním toku, nikoli povinné pro každý pod:

   Headless CMS Squidex, Azure Functions, vyhledávání obsahu

   Způsob práce:

   Pracovním jazykem je angličtina. Mluvíte i píšete jí každý den srozumitelně.

   Umíte vysvětlit kompromis, riziko i navrhovanou změnu inženýrům i lidem, kteří nepíšou kód.

   Přebíráte odpovědnost za technický výsledek podu. O pomoc žádáte, když rozhodnutí leží mimo pod.

   Zůstáváte klidní, když na pod tlačí vydání nebo pozdní změna. Riziko pojmenujete včas.

   Pracujete v hodinách, které se překrývají s USA. Běžný den trvá zhruba do 18:00 SEČ. Vyhovuje den od 09:00 do 18:00 nebo od 10:00 do 19:00 SEČ. Širší překryv pomáhá. Posun oproti východnímu času USA je přibližně šest hodin.

   Vyhovuje vám práce ve vzdáleném týmu. Osobní setkání v Praze jsou ojedinělá, zhruba jednou za čtvrtletí.

   Přihlásit se — napište nám →

Žádné místo pro vás? Napište i tak — otevřený dopis vždycky čteme.