AI agentudvikler (Python/n8n)
København, Region Hovedstaden, Danmark
Sep 14, 2025
Computerkonsulentbistand og forvaltning af computerfaciliteter
Dette job er ikke blevet analyseret af vores AI-vurderingssystem. Klik på knappen nedenfor for at få en AI-drevet match score baseret på dine præferencer.
# Job Skill Enhancement System
## CORE INSTRUCTION:
You are an AI that extracts and identifies coding languages and frameworks from job descriptions. Your goal is to find ALL relevant technical skills mentioned in the job posting, even if they're mentioned in different ways or aliases.
## INPUT DATA:
{
"job": {"job_id":3791,"title":"AI agentudvikler (Python\/n8n)","company_name":"HverdagsAI","description":"Vil du være med til at udvikle AI løsninger og bygge agenter? Finder du kombinationen af at bygge egne produkter og spændende projekter for vores kunder spændende? Og elsker du at nørde med LLM'er, agent frameworks og vibecoding?\n\nVi søger en dynamisk AI-udvikler på fuld tid til HverdagsAI. Du bliver en del af et lille, skarpt team med kort vej fra ide til handling, høj grad af selvstændighed og mulighed for at forfølge egne idéer og gøre dem til produkter, hvis de er gode.\n\nDin rolle\n\nSom AI Agentudvikler Bygger Og Forbedrer Du AI-agenter Og Automations Fra Idé Og Prototype Til Drift Og Løbende Læring, På Både Kundeprojekter Og Interne Produkter. Du Vil Primært\n\n\nKode og bygge AI-agenter (Python og n8n) med værktøjsbrug, planlægning og styring af flows i flere trin\nOrkestrere processer i n8n (eller tilsvarende), herunder integrationer, datahåndtering og fejlstrategier\nIntegrere mod API’er og databaser (REST\/GraphQL, webhooks, SQL m.m.)\nKvalitetssikre, monitorere og forbedre agenter løbende, baseret på metrics, logs og feedback\nBygge og vedligeholde komponenter til vores egne produkter og interne platforme\nUdnytte GitHub Copilot og Microsoft Copilot Studio hvor det giver mening. Vi stiller licenser til rådighed og opfordrer til relevante kurser og certificeringer\n\n\nBemærk: Du behøver ikke forhåndserfaring med n8n, hvis du har faktisk erfaring med at kode agenter (fx OpenAI og Google agentøkosystemer, LangChain\/LangGraph, CrewAI, AutoGen eller lignende). I så fald får du 1 til 2 måneders oplæring i n8n.\n\nKundescenarier: Vi bygger ikke one size fits all supportbots. Vi designer målrettede agenter. Erfaring med RAG er et plus (ikke et krav), men fokus er at bygge rigtige, værdiskabende agenter til den konkrete virksomheds behov samt på vores egne produkter under udvikling.\n\nProjektmix: Ca. 50 til 70 procent eksterne projekter og 30 til 50 procent interne. Bliver eksternt arbejde for dominerende over tid, skalerer vi teamet eller siger pænt nej for at beskytte fokus på vores egne produkter.\n\nUndervisning (valgfrit): Mulighed for 1 til 3 undervisningsdage pr. måned, hvis du synes det er sjovt. Det skærper ofte håndværket at formidle det, man bygger til dagligt.\n\nVi tilbyder\n\n\nOnboarding tilpasses dine styrker inden for agentbygning og det ansvar og ejerskab du ønsker\n1 dag om ugen til eksperimenter, med mulighed for at forfølge egne idéer, som kan blive til rigtige features eller produkter\nFleksible arbejdstider og sted (hybrid, kontor ved DR Byen \/ Woods Augusthus)\nKonkurrencedygtig løn med mulighed for medejerskab\nGode rammer: pension, frokost, moderne udstyr og budget til kurser og konferencer\n\n\nDu er sandsynligvis den rette, hvis du\n\n\nEr blandt de 10% skarpeste til at se mønstre, tænke hurtigt og skære kompleksitet til. Vi går efter kolleger, der vil arbejde med andre skarpe profiler\nKan bygge robuste AI-agenter og løbende gøre dem bedre via data, test og iteration\nHar Python som dit primære værktøj. Erfaring med andre sprog er et plus\nHar erfaring med mindst ét agent eller LLM framework (fx OpenAI og Google agentøkosystemer, LangChain eller LangGraph, CrewAI, AutoGen eller lignende)\nKan integrere mod API’er og databaser og tænke i drift og observability\nTrives i et miljø med høj nysgerrighed og eksperimenter (vibecoding, nye frameworks, nye evalueringsmetoder)\nTaler flydende dansk, men hvis du kun taler engelsk og ellers acer alt andet, så søg alligevel\n\n\nNice to have (ikke krav) erfaring med: RAG, Vektordatabaser, Evalueringsrammer (fx LangSmith\/Phoenix), CI\/CD og Git flow, GitHub Copilot og Microsoft Copilot Studio\n\nCloud: Vi stiller ikke krav. Vi bruger primært Hetzner og Google Cloud. Hvis du er mere komfortabel i Azure, er det også fint.\n\nRejseaktivitet: Sjældent (primært konferencer). Ellers maks 2 dage hos kunder, og kun når det giver mening.\n\nDin hverdag\n\n\nBygge, teste og udrulle agenter og flows til kunder og interne produkter\nIntegrere services og datastrømme. Sikre stabilitet, logging og fejlstrategier\nIterere på prompts, policies og værktøjsbrug. Køre hurtige eksperimenter\nDokumentere vigtige beslutninger og skabe genbrugelige komponenter\n(Valgfrit) undervise 1 til 3 dage per måned\n\n\nOm HverdagsAI\n\nHverdagsAI bygger nyskabende og praktiske AI løsninger, der ”virker i virkeligheden”, og som er med til at forme, hvordan fremtidens AI-agenter bruges i dansk erhvervsliv.\n\nLæs mere på www.hverdagsai.dk. Vi driver også andre platforme, men i denne rolle er fokus primært på produkt- og løsningsudvikling frem for kursusdrift.\n\nAnsøgning og kontakt\n\nVi holder løbende samtaler og ansætter ASAP.\n\nSend CV eller LinkedIn-profil samt eventuelle links til projekter, flows eller repos (gerne korte beskrivelser eller en Loom-video, hvis du har). En kort motiveret tekst er velkommen, men ikke et krav.","brief_summary_of_job":null,"existing_skills_from_job":["Python","Phoenix","Git","GitHub","CI\/CD","GraphQL","Azure"],"existing_skills_from_database":[]},
"coding_categories": {"languages":["Bash","C","C#","C++","CSS","Clojure","Dart","Elixir","Go","Groovy","Haskell","HTML","Java","JavaScript","Julia","Kotlin","Lua","MATLAB","Objective-C","Perl","PHP","PowerShell","Python","R","Ruby","Rust","Sass","Scala","Swift","TypeScript"],"frameworks":[".NET","Angular","Apache Spark","ASP.NET","Backbone.js","Bootstrap","CodeIgniter","Django","Ember.js","Express","FastAPI","Flask","Flutter","Hadoop","Ionic","jQuery","Laravel","Livewire","Meteor","NestJS","Next.js","Node.js","Nuxt.js","Phoenix","PHPUnit","PyTorch","React","React Native","Ruby on Rails","Spring Boot","Svelte","Symfony","Tailwind CSS","TensorFlow","Vue.js","Xamarin","Alpine.js","Filament","WordPress"],"databases":["MySQL","PostgreSQL","Redis","MongoDB","DynamoDB","MariaDB","NoSQL","Oracle","BigQuery","Elasticsearch","SQL","SQL Server","SQLite","Cassandra","CouchDB","Neo4j","InfluxDB","CockroachDB"],"tools":["Git","GitHub","GitLab","Bitbucket","Docker","Kubernetes","CI\/CD","Jenkins","Kafka","RabbitMQ","Amazon SQS","AMQP","PubSub","REST API","RESTful APIs","GraphQL","AWS","Azure","GCP","Terraform","Ansible","Puppet","Chef","Vagrant","Vault","Consul","Prometheus","Grafana","ELK Stack","Splunk"],"skills":["English","Danish","Communication","Full-stack development","Back-end development","Front-end development","Cloud computing","DevOps","Microsoft Excel","PowerBI","Power Platform","Agile","Scrum","Problem-solving","Team collaboration","Physical presence","Remote work","Hybrid work"],"colors":{"languages":"blue","frameworks":"purple","databases":"orange","tools":"indigo"}},
"skill_aliases": {"bash":"Bash","c":"C","c plus plus":"C++","C plus plus":"C++","c sharp":"C#","C sharp":"C#","c#":"C#","c++":"C++","clojure":"Clojure","cpp":"C++","dart":"Dart","elixir":"Elixir","go":"Go","golang":"Go","Golang":"Go","groovy":"Groovy","haskell":"Haskell","java":"Java","java script":"JavaScript","Java script":"JavaScript","javascript":"JavaScript","Javascript":"JavaScript","js":"JavaScript","JS":"JavaScript","es5":"JavaScript","ES5":"JavaScript","es6":"JavaScript","ES6":"JavaScript","julia":"Julia","kotlin":"Kotlin","lua":"Lua","matlab":"MATLAB","Matlab":"MATLAB","objective c":"Objective-C","Objective C":"Objective-C","objective-c":"Objective-C","objc":"Objective-C","ObjC":"Objective-C","obj-c":"Objective-C","Obj-C":"Objective-C","perl":"Perl","php":"PHP","Php":"PHP","powershell":"PowerShell","Power Shell":"PowerShell","python":"Python","py":"Python","Py":"Python","phyton":"Python","r":"R","ruby":"Ruby","rust":"Rust","scala":"Scala","swift":"Swift","typescript":"TypeScript","Typescript":"TypeScript","ts":"TypeScript","TS":"TypeScript","mysql":"MySQL","postgresql":"PostgreSQL","postgres":"PostgreSQL","mongodb":"MongoDB","mongo":"MongoDB","redis":"Redis","sqlite":"SQLite","oracle":"Oracle","mssql":"SQL Server","sql server":"SQL Server","dynamodb":"DynamoDB","dynamo db":"DynamoDB","mariadb":"MariaDB","maria db":"MariaDB","nosql":"NoSQL","no sql":"NoSQL","bigquery":"BigQuery","big query":"BigQuery","elasticsearch":"Elasticsearch","elastic search":"Elasticsearch","cassandra":"Cassandra","couchdb":"CouchDB","couch db":"CouchDB","neo4j":"Neo4j","neo 4j":"Neo4j","influxdb":"InfluxDB","influx db":"InfluxDB","cockroachdb":"CockroachDB","cockroach db":"CockroachDB","aws":"AWS","amazon web services":"AWS","azure":"Azure","microsoft azure":"Azure","gcp":"GCP","google cloud platform":"GCP","google cloud":"GCP",".Net":".NET","angular":"Angular","angular js":"Angular","Angular js":"Angular","angularjs":"Angular","AngularJS":"Angular","apache spark":"Apache Spark","asp net":".NET","ASP net":".NET","asp.net":"ASP.NET","ASP.NET":".NET","asp.net core":".NET","ASP.NET Core":".NET","backbone":"Backbone.js","BackboneJS":"Backbone.js","backbone js":"Backbone.js","backbonejs":"Backbone.js","bootstrap":"Bootstrap","Bootstrap framework":"Bootstrap","twitter bootstrap":"Bootstrap","Twitter Bootstrap":"Bootstrap","code igniter":"CodeIgniter","codeigniter":"CodeIgniter","django":"Django","ember":"Ember.js","ember js":"Ember.js","emberjs":"Ember.js","EmberJS":"Ember.js","express":"Express","express.js":"Express","Express.js":"Express","expressjs":"Express","ExpressJS":"Express","fast api":"FastAPI","Fast api":"FastAPI","fastapi":"FastAPI","flask":"Flask","flutter":"Flutter","hadoop":"Hadoop","Hadoop":"Hadoop","ionic":"Ionic","Ionic framework":"Ionic","ionic framework":"Ionic","jquery":"jQuery","JQuery":"jQuery","JQUERY":"jQuery","laravel":"Laravel","meteor":"Meteor","meteor js":"Meteor","meteorjs":"Meteor","MeteorJS":"Meteor","nestjs":"NestJS","nest js":"NestJS","Nest JS":"NestJS","Nestjs":"NestJS","next js":"Next.js","Next js":"Next.js","next.js":"Next.js","nextjs":"Next.js","NextJS":"Next.js","node":"Node.js","Node":"Node.js","node.js":"Node.js","nodejs":"Node.js","NodeJS":"Node.js","nuxt js":"Nuxt.js","Nuxt js":"Nuxt.js","nuxt.js":"Nuxt.js","nuxtjs":"Nuxt.js","NuxtJS":"Nuxt.js","phoenix":"Phoenix","Phoenix framework":"Phoenix","pytorch":"PyTorch","Pytorch":"PyTorch","torch":"PyTorch","Torch":"PyTorch","react":"React","react.js":"React","React.js":"React","reactjs":"React","ReactJS":"React","react native":"React Native","ReactNative":"React Native","reactnative":"React Native","rn":"React Native","RN":"React Native","rails":"Ruby on Rails","Rails":"Ruby on Rails","ror":"Ruby on Rails","ROR":"Ruby on Rails","ruby on rails":"Ruby on Rails","Ruby On Rails":"Ruby on Rails","spark":"Apache Spark","Spark":"Apache Spark","spring":"Spring Boot","Spring":"Spring Boot","spring boot":"Spring Boot","Spring Boot":"Spring Boot","spring framework":"Spring Boot","Spring Framework":"Spring Boot","SpringBoot":"Spring Boot","springboot":"Spring Boot","svelte":"Svelte","symfony":"Symfony","tailwind":"Tailwind CSS","Tailwind":"Tailwind CSS","tailwind css":"Tailwind CSS","Tailwind Css":"Tailwind CSS","tailwindcss":"Tailwind CSS","TailwindCSS":"Tailwind CSS","tensorflow":"TensorFlow","Tensorflow":"TensorFlow","tensor flow":"TensorFlow","Vue":"Vue.js","vue":"Vue.js","vue js":"Vue.js","vue.js":"Vue.js","vuejs":"Vue.js","VueJS":"Vue.js","xamarin":"Xamarin","Xamarin Forms":"Xamarin","Xamarin.forms":"Xamarin","livewire":"Livewire","phpunit":"PHPUnit","alpine":"Alpine.js","alpine js":"Alpine.js","alpinejs":"Alpine.js","filament":"Filament","docker":"Docker","kubernetes":"Kubernetes","k8s":"Kubernetes","github":"GitHub","gitlab":"GitLab","bitbucket":"Bitbucket","terraform":"Terraform","puppet":"Puppet","chef":"Chef","git":"Git","jenkins":"Jenkins","kafka":"Kafka","rabbitmq":"RabbitMQ","amazon sqs":"Amazon SQS","amqp":"AMQP","pubsub":"PubSub","rest api":"REST API","restful api":"RESTful APIs","restful apis":"RESTful APIs","graphql":"GraphQL","ansible":"Ansible","vagrant":"Vagrant","vault":"Vault","consul":"Consul","prometheus":"Prometheus","grafana":"Grafana","elk stack":"ELK Stack","splunk":"Splunk","scrum":"Scrum","agile":"Agile","kanban":"Kanban","devops":"DevOps","ci\/cd":"CI\/CD","tdd":"TDD","bdd":"BDD","linux":"Linux","windows":"Windows","macos":"macOS","ubuntu":"Ubuntu","centos":"CentOS","debian":"Debian","junit":"JUnit","pytest":"PyTest","jest":"Jest","mocha":"Mocha","cypress":"Cypress","selenium":"Selenium","html":"HTML","HTML":"HTML","html5":"HTML","HTML5":"HTML","css":"CSS","CSS":"CSS","css3":"CSS","CSS3":"CSS","sass":"Sass","scss":"Sass","SCSS":"Sass","less":"Less","LESS":"Less","webpack":"Webpack","gulp":"Gulp","npm":"npm","yarn":"Yarn","sql":"SQL","full time":"Fuldtid","full-time":"Fuldtid","fuldtid":"Fuldtid","part time":"Deltid","part-time":"Deltid","deltid":"Deltid","contract":"Kontrakt","kontrakt":"Kontrakt","remote":"Fjernarbejde","fjernarbejde":"Fjernarbejde","hybrid":"Hybridarbejde","hybridarbejde":"Hybridarbejde","on-site":"Fysisk tilstedeværelse","onsite":"Fysisk tilstedeværelse","fysisk tilstedeværelse":"Fysisk tilstedeværelse"}
}
## TASK:
1. **Extract ALL coding languages and frameworks** mentioned in the job description
2. **Use the skill_aliases mapping** to normalize skill names (e.g., "JS" → "JavaScript", "React.js" → "React")
3. **Only include skills from the coding_categories** (languages and frameworks)
4. **Avoid duplicates** - if "JavaScript" and "JS" are both mentioned, only include "JavaScript"
5. **Be thorough** - look for skills mentioned in:
- Job title
- Job description
- Brief summary
- Requirements sections
- Nice-to-have sections
## SKILL CATEGORIES TO EXTRACT:
- **Languages**: Programming languages (PHP, Python, JavaScript, Java, C#, Go, Rust, etc.)
- **Frameworks**: Web frameworks and libraries (Laravel, React, Vue.js, Angular, Django, Spring Boot, etc.)
- **Databases**: Database systems and data stores (MySQL, PostgreSQL, Redis, MongoDB, DynamoDB, etc.)
- **Tools**: Development tools and infrastructure (Git, Docker, AWS, CI/CD, Jenkins, Kafka, etc.)
## EXCLUSION RULES:
- Do NOT extract general skills (communication, languages like English, etc.)
- Do NOT extract business skills (Excel, PowerBI for non-technical roles)
- Do NOT extract work arrangements (remote, physical presence)
- Do NOT include methodologies (Agile, Scrum, etc.) unless specifically technical
- Do NOT include skills already in existing_skills_from_database
## OUTPUT FORMAT:
Return ONLY valid JSON in this exact structure:
{
"job_id": <integer>,
"extracted_skills": [
{
"skill_name": "<normalized_skill_name>",
"category": "<languages|frameworks|databases|tools>",
"confidence": <integer 0-100>,
"mentioned_as": ["<original_mention_1>", "<original_mention_2>"],
"context": "<brief_context_where_found>"
}
],
"reasoning": {
"total_skills_found": <integer>,
"skills_by_category": {
"languages": ["<skill1>", "<skill2>"],
"frameworks": ["<skill1>", "<skill2>"],
"databases": ["<skill1>", "<skill2>"],
"tools": ["<skill1>", "<skill2>"]
},
"duplicates_removed": ["<original_mention> → <normalized_name>"],
"excluded_skills": ["<skill>", "<reason>"]
},
"confidence": <integer 0-100>
}
Return nothing outside the JSON object.
{
"job_id": 3791,
"extracted_skills": [
{
"skill_name": "Python",
"category": "languages",
"confidence": 100,
"mentioned_as": ["Python"],
"context": "Primarily coding and building AI agents"
},
{
"skill_name": "n8n",
"category": "frameworks",
"confidence": 100,
"mentioned_as": ["n8n"],
"context": "Building and improving AI agents and automations"
},
{
"skill_name": "GraphQL",
"category": "tools",
"confidence": 100,
"mentioned_as": ["GraphQL"],
"context": "Integrate against APIs and databases"
},
{
"skill_name": "SQL",
"category": "databases",
"confidence": 100,
"mentioned_as": ["SQL"],
"context": "Integrate against APIs and databases"
},
{
"skill_name": "Git",
"category": "tools",
"confidence": 100,
"mentioned_as": ["Git"],
"context": "Utilizing GitHub Copilot and Microsoft Copilot Studio"
},
{
"skill_name": "GitHub",
"category": "tools",
"confidence": 100,
"mentioned_as": ["GitHub"],
"context": "Utilizing GitHub Copilot and Microsoft Copilot Studio"
},
{
"skill_name": "Azure",
"category": "tools",
"confidence": 100,
"mentioned_as": ["Azure"],
"context": "Comfortable in Azure for cloud services"
}
],
"reasoning": {
"total_skills_found": 7,
"skills_by_category": {
"languages": ["Python"],
"frameworks": ["n8n"],
"databases": ["SQL"],
"tools": ["GraphQL", "Git", "GitHub", "Azure"]
},
"duplicates_removed": [],
"excluded_skills": []
},
"confidence": 100
}
Brug avanceret AI (GPT-4o) til at generere en personaliseret ansøgning på dansk til denne jobansøgning. Brevet vil være skræddersyet til din profil, de specifikke jobkrav og omfattende virksomhedsinformation for maksimal effekt.
Vil du være med til at udvikle AI løsninger og bygge agenter? Finder du kombinationen af at bygge egne produkter og spændende projekter for vores kunder spændende? Og elsker du at nørde med LLM'er, agent frameworks og vibecoding?
Vi søger en dynamisk AI-udvikler på fuld tid til HverdagsAI. Du bliver en del af et lille, skarpt team med kort vej fra ide til handling, høj grad af selvstændighed og mulighed for at forfølge egne idéer og gøre dem til produkter, hvis de er gode.
Din rolle
Som AI Agentudvikler Bygger Og Forbedrer Du AI-agenter Og Automations Fra Idé Og Prototype Til Drift Og Løbende Læring, På Både Kundeprojekter Og Interne Produkter. Du Vil Primært
Kode og bygge AI-agenter (Python og n8n) med værktøjsbrug, planlægning og styring af flows i flere trin
Orkestrere processer i n8n (eller tilsvarende), herunder integrationer, datahåndtering og fejlstrategier
Integrere mod API’er og databaser (REST/GraphQL, webhooks, SQL m.m.)
Kvalitetssikre, monitorere og forbedre agenter løbende, baseret på metrics, logs og feedback
Bygge og vedligeholde komponenter til vores egne produkter og interne platforme
Udnytte GitHub Copilot og Microsoft Copilot Studio hvor det giver mening. Vi stiller licenser til rådighed og opfordrer til relevante kurser og certificeringer
Bemærk: Du behøver ikke forhåndserfaring med n8n, hvis du har faktisk erfaring med at kode agenter (fx OpenAI og Google agentøkosystemer, LangChain/LangGraph, CrewAI, AutoGen eller lignende). I så fald får du 1 til 2 måneders oplæring i n8n.
Kundescenarier: Vi bygger ikke one size fits all supportbots. Vi designer målrettede agenter. Erfaring med RAG er et plus (ikke et krav), men fokus er at bygge rigtige, værdiskabende agenter til den konkrete virksomheds behov samt på vores egne produkter under udvikling.
Projektmix: Ca. 50 til 70 procent eksterne projekter og 30 til 50 procent interne. Bliver eksternt arbejde for dominerende over tid, skalerer vi teamet eller siger pænt nej for at beskytte fokus på vores egne produkter.
Undervisning (valgfrit): Mulighed for 1 til 3 undervisningsdage pr. måned, hvis du synes det er sjovt. Det skærper ofte håndværket at formidle det, man bygger til dagligt.
Vi tilbyder
Onboarding tilpasses dine styrker inden for agentbygning og det ansvar og ejerskab du ønsker
1 dag om ugen til eksperimenter, med mulighed for at forfølge egne idéer, som kan blive til rigtige features eller produkter
Fleksible arbejdstider og sted (hybrid, kontor ved DR Byen / Woods Augusthus)
Konkurrencedygtig løn med mulighed for medejerskab
Gode rammer: pension, frokost, moderne udstyr og budget til kurser og konferencer
Du er sandsynligvis den rette, hvis du
Er blandt de 10% skarpeste til at se mønstre, tænke hurtigt og skære kompleksitet til. Vi går efter kolleger, der vil arbejde med andre skarpe profiler
Kan bygge robuste AI-agenter og løbende gøre dem bedre via data, test og iteration
Har Python som dit primære værktøj. Erfaring med andre sprog er et plus
Har erfaring med mindst ét agent eller LLM framework (fx OpenAI og Google agentøkosystemer, LangChain eller LangGraph, CrewAI, AutoGen eller lignende)
Kan integrere mod API’er og databaser og tænke i drift og observability
Trives i et miljø med høj nysgerrighed og eksperimenter (vibecoding, nye frameworks, nye evalueringsmetoder)
Taler flydende dansk, men hvis du kun taler engelsk og ellers acer alt andet, så søg alligevel
Nice to have (ikke krav) erfaring med: RAG, Vektordatabaser, Evalueringsrammer (fx LangSmith/Phoenix), CI/CD og Git flow, GitHub Copilot og Microsoft Copilot Studio
Cloud: Vi stiller ikke krav. Vi bruger primært Hetzner og Google Cloud. Hvis du er mere komfortabel i Azure, er det også fint.
Rejseaktivitet: Sjældent (primært konferencer). Ellers maks 2 dage hos kunder, og kun når det giver mening.
Din hverdag
Bygge, teste og udrulle agenter og flows til kunder og interne produkter
Integrere services og datastrømme. Sikre stabilitet, logging og fejlstrategier
Iterere på prompts, policies og værktøjsbrug. Køre hurtige eksperimenter
Dokumentere vigtige beslutninger og skabe genbrugelige komponenter
(Valgfrit) undervise 1 til 3 dage per måned
Om HverdagsAI
HverdagsAI bygger nyskabende og praktiske AI løsninger, der ”virker i virkeligheden”, og som er med til at forme, hvordan fremtidens AI-agenter bruges i dansk erhvervsliv.
Læs mere på www.hverdagsai.dk. Vi driver også andre platforme, men i denne rolle er fokus primært på produkt- og løsningsudvikling frem for kursusdrift.
Ansøgning og kontakt
Vi holder løbende samtaler og ansætter ASAP.
Send CV eller LinkedIn-profil samt eventuelle links til projekter, flows eller repos (gerne korte beskrivelser eller en Loom-video, hvis du har). En kort motiveret tekst er velkommen, men ikke et krav.