IQoko — программно-аппаратный комплекс контроля и измерения объёма вывоза сыпучих материалов (песок, щебень, грунт). В его основе анализ данных (CV/ML) с видеокамер и лидара. Комплекс (станция) ставится на въезде площадки и фиксирует каждый проезд машины: номер, направление, объём груза. Заказчик видит, сколько реально уехало, без весов и человека на КПП.
Нам нужен инженер, который возьмёт уже разработанное ядро комплекса: реалтайм-процессы, логику проезда, работу с оборудованием — и приведёт его к единому продукту, готовому к масштабированию.
Чем предстоит заниматься
- Реалтайм-конвейер. Настраивать несколько параллельных потоков на одной машине (macOS, в перспективе Linux) без кластера: сбор данных, управление устройствами, запуск нейросетей и расчётов. Держать нужный FPS детекции при нескольких видеопотоках: многопоточность, приоритеты, очереди, нейросети на GPU.
- Алгоритмы обработки результатов нейросетей. Доработка и отладка алгоритмов, которые собирают и анализируют результаты нейросетей по многим кадрам: определение направления проезда и итогового госномера.
- Оборудование. Камеры (RTSP, ffmpeg), лидары, устройства на Ethernet и UART. Контроль ошибок периферии: сбой устройства не должен ронять проезд.
- Инференс моделей. Развёртывание на железе уже разработанных CV/ML-моделей (YOLO и др.). Обучают модели коллеги, ваша задача — чтобы они быстро и стабильно работали на станции.
- Единая система для парка. Одна версия кода (интерфейс, расчёты) на всех площадках, отличия — только в конфигурации, например другой комплект оборудования. Выпуск релизов и выкатка на весь парк станций вместе с DevOps. Участие в выборе платформы станции.
- Передача данных в облако. Сторона станции: надёжная передача проездов, кадров и облаков точек в облачный сервис, в том числе при плохом интернете или его отсутствии. Сам облачный сервис делает отдельный разработчик.
- Разбор инцидентов. Сложные случаи от тестировщика и заказчиков: по кадрам, логам и облакам точек найти причину — алгоритм, настройка площадки или оборудование.
- Контекст-инженерия. Писать понятные постановки и спецификации, вести документацию системы и контекст для агентов в репозитории. Это часть инженерной работы, а не «документация потом»: систему сейчас принимаем от уходящего разработчика, и знания должны жить в репозитории, а не в голове.
Как мы работаем
- Разработку ведём через agentic-подход и контекст-инженерию (Claude Code и аналоги): сначала контекст и постановка, потом код. Агент пишет, инженер задаёт рамки, проверяет и отвечает за результат. Это ежедневный метод, а не эксперимент.
- Задачи — в таск-трекере, ошибки — в баг-трекере. Небольшая команда: тимлид, разработчики (CV/ML, разметка, 3D, hardware), DevOps, разработчик облака, тестировщик, отдел монтажа на объектах.
- Сначала понимаем бизнес-процесс проезда, потом трогаем код.
- Комплексы уже работают на нескольких строительных площадках: доработки проверяем на живых данных и выкатываем аккуратно — ошибки сразу видит заказчик.
Что для нас важно
- Коммерческий опыт разработки от 4 лет, из них хотя бы 1–2 года — до появления AI-ассистентов.
- C# или C++ — фундамент важнее конкретного языка. Ядро сейчас на C# (.NET 8), уверенный опыт на одном из двух языков обязателен. Разработчиков на C++, готовых работать в существующем коде на C#, а не переписывать его, рассматриваем наравне. Язык нужно знать на уровне, где вы чувствуете и ловите ошибки агента, а не только принимаете его код.
- Реальный опыт многопоточности и асинхронности: потоки, очереди, гонки, блокировки, мультипроцессинг. Умение объяснить, почему система тормозит и где.
- Опыт работы с оборудованием или потоками данных в реальном времени: камеры и видео, датчики, промышленные протоколы, embedded, робототехника и т. п.
- Алгоритмическое мышление: разложить задачу на поток событий и предложить решение, а не «пусть агент сделает как-нибудь».
- Уверенная работа в Linux или macOS, Docker. Умение читать, править и интегрировать Python-скрипты.
- Реальный опыт разработки с AI-агентами (Claude Code, Codex, Cursor и т. п.) на живых проектах — не «пробовал», а «так работаю». Привычка проверять сгенерированный код: читать, гонять тесты, отлаживать, — а не доверять ему слепо.
- Умение разбираться в чужом коде с историей и вести лаконичную документацию вместе с AI-агентом.
Будет плюсом
- Развёртывание и использование ffmpeg, RTSP, OpenCV; YOLO или другие детекторы в продакшене.
- Облака точек, лидары (PCL, Open3D).
- Распознавание номеров (ANPR) или видеоаналитика.
- ASP.NET Core, фоновые службы, SQLite / Dapper.
- Развёртывание на парке устройств без стабильного интернета (edge / offline / IoT), воспроизводимые сборки, удалённые обновления.
- macOS: launchd, colima.
- Портфолио или GitHub, особенно проекты, собранные с AI-агентами, где видно, что делал агент, а что вы.
Условия
- Полностью удалённо, часовой пояс — МСК ± 4 часа. Монтаж на объектах делает отдельный отдел, выезды не требуются.
- Оформление на выбор: ТК РФ, ИП или самозанятость.
- Доход: от 220 до 300 тыс. ₽ на руки по итогам собеседования. Для кандидатов с сильным опытом реалтайм-систем и работы с оборудованием обсуждаем выше.
- Компенсируем подписки на AI-инструменты для разработки (Claude Code и аналоги).
- Онбординг с передачей дел и документацией по системе.
Почему это интересно
- Реальное железо, а не очередной CRUD: камеры, лидары, нейросети, светофор — код, который управляет физическим процессом на площадке.
- Реальный продукт на рынке: есть заказы и успешные внедрения.
- Продукт развивается: улучшения, которые вы внесёте сейчас, станут основой платформы и помогут нам быть первыми на рынке.
- Agentic-разработка в команде, где это норма.
- Полная удалёнка в нише, где почти все такие вакансии офисные. Гибкое оформление.
- Маленькая команда без бюрократии: идеи и решения принимаются быстро.
Как проходит отбор
- Скрининг-созвон, 30 минут.
- Техническое интервью, 60–90 минут: опыт, многопоточность, разбор кейса из нашей системы.
- Тестовое задание по мотивам реальных задач: реалтайм-обработка нескольких потоков данных. Можно и нужно работать с AI-агентом.
- Финальная встреча с тимлидом.
