Fundamentos de Engenharia de Software Sólida base em *Engenharia de Software Profundo conhecimento em princípios de design de software: modularidade, separação de conceitos (separation of concerns), testabilidade, manutenibilidade, resiliência e interfaces limpas. Experiência prática com Docker, CI/CD, automação de testes (unitários, componentes e e2e) e controle de versão (Git/GitHub/Azure DevOps). Engenharia de IA e Arquiteturas Agênticas Capacidade comprovada de projetar e entregar soluções de IA Generativa e LLMs em nível de produção (production-grade). Domínio prático de padrões de IA Agêntica e RAG: uso de ferramentas (tool use), function calling, orquestração, fluxos Human-in-the-Loop e guardrails. Conhecimento de Agentic SDLC, coding agents, agentes de refatoração/revisão e integração com ferramentas de desenvolvedores. Conhecimento em sistemas multi-agentes e workflows de execução longa. Domínio de estratégias de retrieval (embeddings, busca vetorial, chunking, reranking) e arquiteturas de recuperação de conhecimento corporativo (incluindo familiaridade com Knowledge Graphs ou GraphRAG). Frameworks, SDKs e Provedores Proficiência em frameworks ou SDKs de IA, tais como LangGraph, LangChain, Semantic Kernel, LlamaIndex, OpenAI Agents SDK, Strands ou similares. Experiência prática com múltiplos provedores de LLM (OpenAI, Anthropic Claude, Google Gemini, Azure OpenAI, AWS Bedrock, etc.). Avaliação, Observabilidade e Qualidade (Evals & Ops) Domínio de Evals e Observabilidade em IA: métricas de qualidade, rastreamento (tracing), latência, consumo de tokens, análise de falhas e gestão de custos. Experiência prática com plataformas de observabilidade e métricas como Datadog LLM Observability, LangSmith, OpenTelemetry ou soluções correlatas.