[프로젝트 소개] ANT는 LangGraph 기반 오케스트레이션, 프롬프트 엔진, 벡터 메모리, Multi-Tenancy 워크스페이스를 통해 소프트웨어 개발을 엔드투엔드로 자동화하는 AI 네이티브 에이전트 프레임워크입니다. [Project Introduction] ANT is an AI-native agent framework that automates software development end-to-end through LangGraph-based orchestration, prompt engines, vectorized memory, and autonomous workspaces.

역량과 프로젝트 필요에 따라 아래 트랙 중 하나 이상을 담당합니다! 트랙 A: LangGraph 오케스트레이션 & 워크플로 • LangGraph 노드(감지·계획·실행·검증)를 명시적 스키마, 재시도 로직, 에러 처리와 함께 설계·개선 • 에이전트 품질 측정을 위한 평가 프레임워크(셀프 체크·자동 리뷰·회귀 테스트) 구축 • 워크플로 관찰성, 디버깅 도구, 시뮬레이션 환경 구현 트랙 B: 프롬프트 엔지니어링 & 정책 시스템 • PromptEngine 내 프롬프트 템플릿과 정책 집행 경로를 통합하여 품질 유지하며 토큰 비용 절감 • 프로덕션 LLM 출력용 가드레일, 검증 규칙, 콘텐츠 안전 메커니즘 설계 • 프롬프트 diff 시각화 도구 및 A/B 테스팅 인프라 구축 트랙 C: 벡터 리트리벌 & 데이터 파이프라인 • 코드베이스 분석용 청킹·인덱싱·리트리벌 스택(ChunkEngine, CodebaseIndexer) 책임 • 코드와 문서에 최적화된 적응형 청킹 전략 및 재랭킹 플로우 설계 • 품질 지표(히트율·토큰 효율·드리프트 감지)를 자동 알림과 함께 구축 공통 책임 (모든 트랙) • Chief Architect와 API 계약, 아키텍처 의사결정, 품질 게이트 협업 • 오프라인 개발용 모의 LLM 하네스 및 재현 가능한 테스트 픽스처 구축 • 시스템 설계 논의 및 인프라 기획 기여 [기대 성과] 트랙 A (LangGraph 오케스트레이션): • 가시성이 확보된 결정적 LangGraph 실행, 감소한 재시도·에러 비율 • 재현 가능한 테스트 하네스 및 에이전트 워크플로 평가 프레임워크 • 워크플로 신뢰성 및 실행 추적성의 측정 가능한 개선 트랙 B (프롬프트 엔지니어링 & 정책): • 출력 품질 유지·개선하며 하향 안정화된 프롬프트 비용 지표 • 문서화된 커버리지와 함께 프로덕션 준비된 가드레일 및 검증 시스템 • 프롬프트 최적화 및 품질 측정을 위한 A/B 테스팅 인프라 트랙 C (벡터 리트리벌 & 데이터): • 자동 경보 및 드리프트 감지가 적용된 안정적 청킹/리트리벌 지표 • 재현 가능한 데이터 픽스처 및 인덱싱 전략 모범 사례 문서화 • 히트율·토큰 효율·컨텍스트 관련성의 측정 가능한 개선 [Role Overview] Join as an AI engineer to build and refine core infrastructure for multi-agent workflows. Depending on your technical background and interests, you'll focus on one or more areas: LangGraph orchestration, prompt engineering & policy systems, or vector retrieval & chunking pipelines. This is a hands-on role reporting directly to the Chief Architect, with clear ownership and growth potential. [Reporting & Collaboration] Direct Report: Chief Architect Working Relationship: Collaborate closely with the architect on design decisions, sprint planning, and code reviews while owning your domain end-to-end Peer Collaboration: Work with other AI engineers on cross-track integration - orchestration engineers define context contracts, prompt engineers optimize LLM quality, and data engineers ensure reliable retrieval [Key Responsibilities] You will take ownership of one or more of the following tracks based on your strengths and project needs: - Track A: LangGraph Orchestration & Workflows Design and refine LangGraph nodes (detect, plan, execute, validate) with explicit schemas, retry logic, and error handling Build evaluation frameworks (self-check, auto-review, regression tests) to measure agent quality Implement workflow observability, debugging tools, and simulation environments - Track B: Prompt Engineering & Policy Systems Consolidate prompt templates and policy enforcement paths in the PromptEngine to reduce token costs while maintaining quality Design guardrails, validation rules, and content safety mechanisms for production LLM outputs Build prompt diff visualizers and A/B testing infrastructure - Track C: Vector Retrieval & Data Pipelines Own the chunking, indexing, and retrieval stack (ChunkEngine, CodebaseIndexer) for codebase analysis Design adaptive chunking strategies and reranking flows optimized for code and documentation Instrument quality metrics (hit rate, token efficiency, drift detection) with automated alerts [Cross-Cutting Responsibilities (All Tracks)] Collaborate with Chief Architect on API contracts, architecture decisions, and quality gates Build mock LLM harnesses and reproducible test fixtures for offline development Contribute to system design discussions and infrastructure planning [Success Indicators] For Track A (LangGraph Orchestration): -Deterministic LangGraph runs with clear observability and reduced retry/error rates -Reproducible test harnesses and evaluation frameworks for agent workflows -Measurable improvements in workflow reliability and execution traceability For Track B (Prompt Engineering & Policy): -Prompt cost metrics trending down while maintaining or improving output quality -Production-ready guardrails and validation systems with documented coverage -A/B testing infrastructure for prompt optimization and quality measurement For Track C (Vector Retrieval & Data): -Stable chunk/retrieval metrics with automated alerts and drift detection -Reproducible data fixtures and documented best practices for indexing strategies -Measurable improvements in hit rate, token efficiency, and context relevance

• 소프트웨어 개발 경력 3년 이상 (TypeScript/Node.js 또는 모던 웹 프레임워크 React, Vue 등) • 비동기 프로그래밍, API 연동, 테스팅 관행에 대한 탄탄한 이해 • 최신 AI 기법 이해를 위해 연구 논문 및 기술 문서를 읽고 소화할 수 있는 능력 • LangGraph, 벡터 DB, 프롬프트 엔지니어링 등을 실무를 통해 빠르게 습득 가능한 자기주도형 학습자 • 요구사항이 진화하는 빠른 속도의 초기 단계 환경에서 일할 수 있는 적응력 [Minimum Qualifications] - 3+ years of software development experience with TypeScript/Node.js or modern web frameworks (React, Vue, etc.) - Strong understanding of async programming, API integration, and testing practices - Ability to read research papers and technical documentation to understand emerging AI techniques - Self-directed learner who can ramp up on LangGraph, vector databases, or prompt engineering through hands-on experimentation - Comfortable working in a fast-paced, early-stage environment with evolving requirements

• LangChain/LangGraph, RAG 시스템, 에이전트 프레임워크 실무 경험 • 벡터 데이터베이스(ChromaDB, Pinecone, Weaviate) 또는 검색 시스템 경험 • Anthropic/OpenAI API, 프롬프트 엔지니어링, 파인튜닝 워크플로 경험 • 컴파일러/AST 도구, 코드 분석, 개발자 도구 배경 • AI/ML 인프라 관련 오픈소스 프로젝트 기여 이력 [Nice to Have (Preferred but NOT Required)] - Hands-on experience with LangChain/LangGraph, RAG systems, or agent frameworks - Familiarity with vector databases (ChromaDB, Pinecone, Weaviate) or search systems - Experience with Anthropic/OpenAI APIs, prompt engineering, or fine-tuning workflows - Background in compiler/AST tooling, code analysis, or developer tools - Contributions to open-source projects in AI/ML infrastructure

- 서류전형 ＞ 1차 실무진 면접 ＞ 2차 조직장 면접 ＞ 최종합격 - 고용형태 : 정규직 (수습기간 3개월 미만) ※ 본 공고는 채용이 완료되면 접수기간과 상관없이 조기 종료될 수 있습니다. ※ 허위 사실이 확인될 경우 채용이 취소될 수 있습니다. ※ 상황에 따라, 사전고지 후 채용 절차가 변동될 수 있습니다. • Recruitment Process: Document Screening ＞ First Interview (with the hiring team) ＞ Second Interview (with the department head) ＞ Final Offer • Employment Type: Full-time (with a probationary period of less than 3 months) ※ This job posting may close early if the position is filled before the application deadline. ※ If any false information is found, the offer may be withdrawn. ※ The recruitment process is subject to change with prior notice depending on circumstances.

• 직군별 업무 환경에 맞는 장비를 제공합니다! 　ㄴ Macbook, Gram, Desktop 등 고사양 장비를 지원해요. • 연 2,000,000원의 복지포인트를 제공합니다! 　ㄴ 카드를 발급 받으면 어디서나 사용 가능해요. • 하루 14,000원의 점심식대, 야근 시엔 15,000원의 저녁식대를 지원합니다! 　ㄴ 휴가를 사용해도 차감하지 않아요. • 1년에 한 번 본인과 가족의 건강검진을 지원합니다! 　ㄴ 검진일은 유급휴가로 인정돼요. • 본인과 가족의 단체보험을 가입해 드립니다! (상해, 실손) 　ㄴ 본인은 회사에서 지원하고, 희망 시 부모님과 자녀도 가입 가능해요. • 본인과 가족의 경조사를 지원합니다! 　ㄴ 경조사에 따라 지원금, 화환, 꽃바구니 등을 지원해요. • 자녀 입학 축하금과 대학 등록금을 지원합니다! (50~500만원까지) 　ㄴ 자녀 입학 시 축하금을 지급하고, 대학생 자녀는 학기마다 등록금을 지원해요. • We provide equipment tailored to each role! 　ㄴ High-performance devices such as MacBooks, LG Gram laptops, and desktops are available. • We offer an annual welfare allowance of KRW 2,000,000! 　ㄴ Once your card is issued, you can use the allowance anywhere. • We support meal allowances: KRW 14,000 for lunch and KRW 15,000 for dinner when working late! 　ㄴ These allowances are not deducted when you take leave. • We provide annual health checkups for employees and their families! 　ㄴ The checkup day is recognized as paid leave. • We enroll employees and their families in group insurance plans (accident, medical)! 　ㄴ The company covers the employee’s insurance, and parents or children can be added upon request. • We support personal and family events! 　ㄴ Depending on the occasion, we offer condolence/celebratory payments, wreaths, or flower arrangements. • We provide congratulatory payments for children’s school admissions and university tuition support (KRW 500,000 to 5,000,000)! 　ㄴ A congratulatory allowance is provided upon school admission, and university tuition is supported each semester.