Anyone AI
Full-Stack Entwickler (Mexiko)
Über die Stelle
Anyone AI rekrutiert erfahrene Full-Stack Entwickler (Python und JavaScript/TypeScript; praktische Kenntnisse in Java, C# oder Go) für ein Projekt mit einem führenden KI-Labor.
Die Mitwirkenden entwerfen und bewerten realistische Softwareentwicklungsaufgaben, einschließlich Fehlerbehebung, Implementierung von Funktionen, Refactoring/Migration und Testerstellung. Die Arbeit umfasst sowohl die Erstellung komplexer Codierszenarien als auch die Überprüfung von Einreichungen von Kollegen auf Qualität und Genauigkeit.
Qualifikationen
- Fortgeschrittene professionelle schriftliche Ausdrucksfähigkeit in Englisch
- 3–7 Jahre Berufserfahrung in der Softwareentwicklung
- Starke Kenntnisse in Python und JavaScript/TypeScript; praktische Kenntnisse in Java, C# oder Go
- Backend oder Erfahrung in der full‑stack Entwicklung in Produktionssystemen
- Erfahrung mit Test-Frameworks (z. B. pytest, Jest, JUnit, xUnit, Go testing)
- Nachgewiesene Fähigkeit zum Debuggen und Navigieren in großen Codebasen mit mehreren Dateien
- Erfahrung mit Code-Reviews, Refactoring und Produktionsmigrationen
Engagement: Teilzeit, projektbasierte Expertenbewertung
Art der Arbeit: Remote
Dies ist eine projektbasierte Beraterrolle. Berater werden pro Projekt bezahlt; die Stundensätze sind Schätzungen, die auf der erwarteten Abschlusszeit basieren. Berater kontrollieren ihren eigenen Zeitplan, stellen ihre eigenen Werkzeuge zur Verfügung und können gleichzeitig Dienstleistungen für andere Anbieter/Arbeitgeber erbringen (vorbehaltlich der Genehmigungen dieser Anbieter).
Aufgaben
Die Mitwirkenden werden:
- Entwerfen und Implementieren von Codieraufgaben mit mehreren Dateien, die Fehlerbehebung, Feature-Entwicklung, Refactoring und Tests umfassen
- Schreiben von klaren Spezifikationen in natürlicher Sprache und Referenzimplementierungen
- Entwickeln und Erweitern von Unit- und Integrationstest-Suiten
- Überprüfen von von Kollegen erstellten Aufgaben auf Korrektheit, Klarheit und Realismus
- Identifizieren von Randfällen, Mehrdeutigkeiten und potenziellen Fehlermodi
- Sicherstellen der Übereinstimmung zwischen Spezifikationen, Code und erwarteten Ergebnissen
Erwartete Ergebnisse
- Hochwertige, produktionsrealistische Codieraufgaben
- Vollständige und korrekte Referenzimplementierungen
- Robuste Testabdeckung und Validierungsartefakte
- Strukturiertes, umsetzbares Feedback aus Peer-Reviews
