Estamos à procura de um/a Engenheiro/a Senior Full-Stack dedicado/a ao desenvolvimento da nossa plataforma MarIA: uma aplicação web que permite aos profissionais de saúde configurar, supervisionar e gerir o nosso agente de IA de voz para voz em tempo real.
Trabalhará com a nossa equipa central, assegurando que a aplicação se adapta sem problemas a dezenas de milhares de conversas simultâneas de IA.
Funções:
- Conceber e manter o harness dos nossos agentes clínicos: loop agêntico, registo de tools, gestão do orçamento de tokens, condições de paragem, compactação de contexto e política de novas tentativas.
- Definir a topologia multiagente adequada a cada problema (subagentes com contexto isolado, skills, handoffs, router) e justificar porquê essa e não outra.
- Construir loops de planeamento de horizonte longo com estado persistido em filesystem: ficheiros de plano, checkpoints de retoma e pontos de controlo humano antes de ações irreversíveis sobre dados de doentes.
- Empacotar conhecimento procedimental clínico como Skills (SKILL.md, divulgação progressiva) e capacidades externas como servidores MCP próprios sobre HIS/EHR, com permissões por nível de risco (leitura / escrita / destrutivo).
- Montar e fazer crescer a nossa camada de avaliação de agentes: datasets de regressão, LLM-as-a-judge com critérios auditáveis, evals automáticas que bloqueiem alterações no harness e evals de segurança do próprio harness (injeção indireta via conteúdo clínico, timeouts, uso excessivo de tools), usando LangSmith, Braintrust, Langfuse, promptfoo, DeepEval, Inspect ou semelhantes.
- Integrar de forma segura os nossos sistemas com hospitais e plataformas de processos clínicos eletrónicos (EHR), incluindo o modelo de permissões e a rastreabilidade do que o agente lê e escreve.
- Instrumentar os agentes com traces por span (Langsmith, OpenTelemetry, Sentry, ou semelhantes): custo, latência por tool, taxa de sucesso por passo, qualidade de transcrição e hit rate de cache de prompt.
- Desenvolver e evoluir a aplicação web através da qual os profissionais de saúde interagem com os nossos agentes, com critério para orientar e rever código gerado.
- Melhorar a infraestrutura do backend e automatizar deploys com Docker e GitHub Actions, cuidando da experiência do programador e dos ambientes isolados onde correm os agentes.
- Participar em decisões-chave de arquitetura: o que se resolve com modelo, o que se resolve com harness determinístico e o que se resolve com código simples.
O que procuramos:
- 3+ anos a desenvolver software em produção, com pelo menos 1 ano a levar sistemas baseados em LLM para além da demo: não wrappers de chat, mas sistemas com tools, estado e falhas reais.
- Experiência comprovada a conceber tool interfaces para agentes: esquemas tipados, validação de entradas, idempotência e erros que o modelo possa usar para se corrigir.
- Compreensão profunda da gestão de contexto: o que entra na janela e porquê, compactação, memória externa em filesystem, ordenação cache-aware.
- Conhecimento de MCP a nível de implementação, não de utilizador: ter escrito um servidor, compreender tools/resources/prompts, transportes e autorização.
- Mentalidade de avaliação antes de intuição: experiência a definir métricas e datasets de avaliação para sistemas não determinísticos com LangSmith, Braintrust, Langfuse, Ragas, DeepEval, OpenAI Evals ou semelhantes. Se não souber medir se uma alteração melhorou algo, não é uma alteração.
- Domínio de Python e TypeScript, e capacidade de ler com critério código que não escreveu —próprio ou gerado— para o rever e rejeitar.
- Experiência a conceber esquemas relacionais e fluxos de autenticação e autorização (IE: Supabase).
- Critério de segurança em sistemas agênticos: superfície de injeção indireta, privilégio mínimo, isolamento de execução, tratamento de dados sensíveis.
- Conhecimentos sólidos de Docker e pipelines de CI.
- Nível fluente de espanhol e inglês (oral e escrito).
- Residir em Valencia ou Madrid
Excelente comunicação e elevado sentido de responsabilidade e autonomia.
Será uma mais-valia se:
- Experiência com fine-tuning aplicado (LoRA/QLoRA, SFT, destilação) e, sobretudo, evidência de ter avaliado se valia a pena face a ajustar o harness.
- Experiência a servir inferência própria: vLLM, SGLang, TensorRT-LLM ou semelhantes; batching contínuo, quantização, dimensionamento de GPU e custo por token face a API.
- Experiência com ASR e modelos de voz aplicados ao domínio clínico.
- Conhecimento de comunicações em tempo real (WebSockets, WebRTC) e APIs de streaming.
- Contribuições públicas: servidores MCP, skills, ferramentas de agentes, papers ou benchmarks.
- Conhecimento do setor da saúde e de normas como RGPD, MDR ou HIPAA.
Competências
- Elevada proatividade Iniciativa Colaborador/a Capacidade de comunicação Elevada capacidade de organização