درباره موقعیت شغلی (Job Summary)

ما در رستار به دنبال یک توسعه‌دهنده خلاق و مسلط به اکوسیستم TypeScript / JavaScript هستیم که به مرز مشترک توسعه نرم‌افزار و هوش مصنوعی مولد (Generative AI) علاقه‌مند باشد. در این نقش، شما صفر تا صد توسعه سرویس‌های چت‌بات، معماری ایجنت‌ها، اتصال فرانت‌اند با رابط‌های تعاملی هوش مصنوعی (Assistant UI) و توسعه منطق کسب‌وکار (Business Logic) و بهینه‌سازی هزینه‌های LLM را بر عهده خواهید داشت.

شرح وظایف و مسئولیت‌ها (Key Responsibilities)

• توسعه اند-تو-اند چت‌بات‌ها و ایجنت‌ها: طراحی و پیاده‌سازی بک‌اند با NestJS و فرانت‌اند با Next.js برای سیستم‌های هوش مصنوعی مکالمه‌محور.
• پیاده‌سازی رابط کاربری هوش مصنوعی (Agentic / Assistant UI): پیاده‌سازی کامپوننت‌ها و جریان‌های تعاملی مدرن چت (استریم پاسخ‌ها، ابزارها و فرم‌های پویا).
• کار با MCP (Model Context Protocol): نوشتن، یکپارچه‌سازی و نگهداری سرورها و ابزارهای مبتنی بر استاندارد MCP جهت اتصال مدل‌ها به دیتابیس‌ها و APIهای داخلی و خارجی.
• توسعه منطق کسب‌وکار و سیستم‌های چت: پیاده‌سازی بیزینس لاجیک چت‌بات‌ها، سیستم‌های ترتیبی (Workflows)، مدیریت حافظه (Memory) و زمینه‌های گفتگو (Context Management).
• مدیریت و بهینه‌سازی هزینه‌ها (Cost & Token Management): پایش، تحلیل و کاهش هزینه‌های مصرفی LLMها از طریق راهکارهای بهینه‌سازی پرامپت، کشینگ هوشمند (Semantic Caching)، استفاده از مدل‌های کوچک‌تر (Routing) و متدهای ارزیابی.
• داکرایز کردن و استقرار: کانتینرسازی سرویس‌ها با Docker و نظارت بر چرخه استقرار و نگهداری پایدار سیستم‌ها.

مهارت‌ها و شرایط احراز (Requirements)

• تسلط عمیق بر TypeScript و الگوهای مدرن توسعه نرم‌افزار.
• تسلط فنی بر Next.js (Front-end) و تسلط بر NestJS (Back-end).
• تجربه کار عملی با رابط‌های چت و AI: تسلط بر پیاده‌سازی Assistant UI، هندل کردن Streaming (SSE / WebSockets) و ساخت UI تعاملی برای هوش مصنوعی.
• آشنایی با پروتکل MCP (Model Context Protocol): سابقه پیاده‌سازی یا کار با پروتکل استاندارد اتصال مدل‌ها به ابزارها (Tools & Resources).
• درک مدیریت هزینه و مقیاس‌پذیری: آشنایی با تکنیک‌های مدیریت مصرف توکن، لیمیت‌گذاری، Caching و انتخاب هوشمند مدل‌ها متناسب با هزینه/کارایی.
• تسلط بر Docker و مفاهیم پایه‌ای DevOps.
• به‌کارگیری روزمره ابزارهای هوش مصنوعی: تسلط به ابزارهای کمکی کدنویسی نظیر Cursor، Claude Code و GitHub Copilot جهت افزایش سرعت توسعه.

امتیازهای مثبت (Preferred Qualifications)

• سابقه کار با فریم‌ورک‌های ارکستراسیون ایجنت‌ها و LLM مانند LangChain، LangGraph، LlamaIndex یا DeepAgent.
• شناخت مفاهیم RAG (Retrieval-Augmented Generation) و دیتابیس‌های برداری (Vector DBs).
• آشنایی با فریم‌ورک‌های ارزیابی و مانیتورینگ LLM (نظیر Langfuse یا LangSmith).
• درک مفاهیم استانداردهای نوین تعامل ایجنت‌ها (Agent-to-Agent / A2UI).

آنچه ما در رستار ارائه می‌دهیم

• کار بر روی مرزهای تکنولوژی: حضور در پروژه‌های آینده‌محور در حوزه تعامل انسان و ماشین، بازی و پلتفرم‌های مبتنی بر هوش مصنوعی.
• محیط کاری مدرن و یادگیرنده: تیمی چابک، علاقه‌مند به تحقیق و توسعه و اشتراک دانش فنی.