Desenvolvedor Sênior de Aplicações de IA (Agentes & LLM)

Estamos montando do zero o time de IA na SND. Isso significa que as decisões de arquitetura, stack e padrão de qualidade ainda estão em aberto, quem entrar agora vai ajudar a tomá-las. O objetivo é colocar recursos de IA em produção, com usuários reais, SLA e custo sob controle.

 

Projetar e construir aplicações que usam LLMs em produção: assistentes, agentes com uso de ferramentas, automações de fluxo e recursos de IA embarcados nos produtos existentes.
Implementar e evoluir pipelines de RAG, ingestão, chunking, embeddings, busca híbrida, reranking e defender as escolhas com dados, não com intuição.
Construir a camada de avaliação: datasets de teste, métricas de qualidade, testes de regressão de prompt. Se não dá pra medir, não vai pra produção.
Cuidar dos números que importam em IA: latência, custo por requisição, taxa de erro e de alucinação. Otimizar com caching, roteamento entre modelos e ajuste de contexto.
Integrar a camada de IA aos sistemas existentes em .NET e Node/TypeScript, respeitando os contratos e a segurança que já existem.
Construir e manter servidores e clientes MCP (Model Context Protocol) para expor sistemas internos como ferramentas consumíveis por agentes, definindo escopo de permissão, contrato de tool e tratamento de erro de cada uma.
Orquestrar automações e fluxos de integração usando n8n e plataformas de iPaaS (MuleSoft/Anypoint, [Azure Logic Apps / Make / Workato]), decidindo o que vive em low-code, o que vira API gerenciada e o que precisa virar código.
Expor e consumir APIs corporativas dentro da arquitetura de IA, inclusive transformando integrações já existentes no MuleSoft em ferramentas disponíveis para os agentes, sem duplicar regra de negócio.
Implementar guardrails, tratamento de dados sensíveis e observabilidade (tracing de chamadas, logging de prompts, auditoria).
Fazer code review, escrever documentação e ajudar a subir a régua técnica do time.

Requisitos

6+ anos de experiência em desenvolvimento de software, com histórico de sistemas em produção sob sua responsabilidade.
Domínio de pelo menos duas das stacks do time: Python, .NET/C# e Node/TypeScript — e disposição real de transitar entre elas.
Experiência prática construindo com APIs de LLM (OpenAI, Anthropic, Gemini, Bedrock ou equivalentes), incluindo function/tool calling e streaming.
Familiaridade com MCP ou equivalente, ou seja, entender na prática como um agente descobre, chama e recebe resultado de ferramenta externa, e o que dá errado nesse caminho.
Vivência com plataformas de automação e integração MuleSoft (Anypoint Platform), n8n, Logic Apps, Make, Power Automate ou Workato e maturidade para saber onde cada uma para de escalar.
Entendimento de integração API-led: versionamento de API, gateway, políticas de segurança e contratos entre sistemas.
Ter colocado ao menos uma aplicação com LLM em produção e lidado com as consequências disso (custo, latência, comportamento inesperado).
Sólido em fundamentos: APIs REST, mensageria/filas, bancos relacionais, Docker, CI/CD, Git.

 

Diferenciais: 

Bancos vetoriais (pgvector, Qdrant, Weaviate, Pinecone).
Frameworks de orquestração (LangChain, LlamaIndex, Semantic Kernel, LangGraph) e opinião fundamentada sobre quando não usá-los.
Ter publicado ou mantido um servidor MCP, ou construído nós/integrações customizadas em n8n.
DataWeave, conectores customizados ou administração de Anypoint Platform.
Arquitetura orientada a eventos: webhooks, filas, retry e idempotência em fluxos automatizados.
Ferramentas de avaliação e observabilidade de LLM (LangSmith, Langfuse, Braintrust, Phoenix).
Cloud (Azure, AWS ou GCP) e infraestrutura como código.
Fine-tuning, quantização ou deploy de modelos open-source.
Contribuições open source ou conteúdo técnico público