О компании
Grafana Labs — компания, стоящая за Grafana Cloud, полностью управляемой платформой observability, которой доверяют более 10 000 организаций. Платформа построена на открытом исходном коде и открытых стандартах, совместима с любым стеком и объединяет AI и observability. Среди клиентов — Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce. Компания полностью удалённая: сотрудники живут в более чем 40 странах.
О вакансии
Это удалённая позиция; рассматриваются кандидаты в Испании, Швеции, Великобритании, Ирландии и Германии.
Grafana Labs запустила инициативу skunkworks, цель которой — принести observability в остальной бизнес и сделать Grafana лучшим местом, где люди и AI-агенты понимают и реагируют на данные в реальном времени. В рамках инициативы строится AI-нативная система интеллектуальной обработки данных, которая даёт агентам надёжный и контролируемый доступ к корпоративному контексту: данным, метаданным, определениям, происхождению, сигналам качества и институциональным знаниям. Принцип: система контекста извлекает, агенты решают, команды данных поддерживают интеллект.
Ищем бэкенд-инженера уровня Staff для создания первых production-сервисов системы управления контекстным слоем. Нужно спроектировать и запустить основную бэкенд-архитектуру: ingestion, хранение контекста, retrieval API и интеграции для агентов. Это ранняя роль в команде с высокой автономией; важно комфортно работать в условиях неопределённости, принимать прагматичные архитектурные решения и строить системы, которые могут развиться от внутреннего использования до production-grade SaaS.
Задачи
- Создавать основные бэкенд-сервисы: проектировать, реализовывать, тестировать и эксплуатировать первые сервисы для ingestion контекста, индексации, оркестрации retrieval, доступа через API, настройки источников и администрирования.
- Создавать масштабируемую SaaS-основу: архитектура multi-tenant сервиса с изоляцией тенантов, учётом использования, квотами, аудит-логами, фоновыми задачами и надёжными границами сервисов.
- Обеспечивать retrieval-процессы для агентов: API и интерфейсы, позволяющие AI-агентам, MCP-инструментам, CLI и внутренним приложениям получать релевантный контекст, происхождение данных, сигналы уверенности и предупреждения.
- Работать на стыке продукта и инфраструктуры: находить практичные компромиссы между быстрыми экспериментами и долгосрочной надёжностью, особенно при переходе от прототипа к production.
- Эксплуатировать созданное: инструментировать сервисы метриками, логами, трейсами, алертами и дашбордами; использовать observability-инструменты для понимания поведения системы и повышения надёжности.
- Влиять на техническое направление: помогать формировать архитектуру, границы сервисов, выбор хранилищ, API-контракты, паттерны деплоя и инженерные практики нового продукта.
- Эффективно коммуницировать в динамичной и коллаборативной среде.
- Брать на себя ответственность за разрабатываемые AI-решения: они должны быть инновационными, масштабируемыми, поддерживаемыми и соответствовать реальным пользовательским сценариям.