Una vacancy a parte: fullstack Python + React + TypeScript, LLM già consegnato a utenti veri

Il buco sulla board non è «qualcuno che ha anche provato GPT». È un posto fullstack: Python sull’API, React e TypeScript sullo schermo operatore, e una feature LLM che ha già incontrato utenti veri — abort a metà stream, un incolla di 40 pagine, un doppio tap su invia. Quell’asticella è il senso dell’offerta.

Ho già scritto il ruolo fullstack generico, e la domanda di AI engineer Python che nomina LangGraph e RAG in produzione. Qui c’è l’altra vacancy. Non sono versioni più morbide l’una dell’altra.

1. Perché esiste questa offerta

Molti prodotti non possono assumere un AI engineer, un backend e un frontend per una feature. Serve una persona che ha già superato il confine di prodotto con un modello. La JD è una decisione di budget tanto quanto un elenco di skill.

• Il lavoro LLM è una superficie in un’app esistente, non una piattaforma di retrieval. L’utente ha già uno schermo. Il modello deve viverci.
• «Consegnato a utenti veri» è il filtro che uccide l’hackathon. Localhost non conta. Una demo al caffè non conta.
• Python più React più TypeScript è nominato perché lo stack è già spaccato così — FastAPI o Django da una parte, una UI tipizzata dall’altra — e non pagheranno una riscrittura solo-Next o solo-Python.

2. Cosa significa «solido da entrambi i lati» nell’offerta

Non significa «so leggere l’altro repo». Significa che quella persona ha consegnato un contratto tipizzato tra i due runtime e non li ha lasciati divergere un venerdì.

• Python: l’API, auth, job, l’adattatore verso il modello, segreti che non lasciano mai il server.
• React + TypeScript: abort, stati vuoti e degradati, citazioni come UI, una card di conferma per un tool — non un dump markdown del modello.
• Uno schema: Pydantic sul server, TypeScript da OpenAPI o Zod generato. Due interfacce scritte a mano che divergono: così questa assunzione fallisce al secondo mese.

3. Cosa filtra «già consegnato a utenti veri»

Intervistate le cicatrici, non lo screenshot. Gli utenti abortano, incollano un libro e toccano invia due volte. Se la persona non sa nominare queste tre, non ha consegnato.

• Auth sullo stream, non solo sulla pagina. Una URL EventSource in fuga è un corpus in fuga.
• Streaming come eventi che una UI sa distinguere: token, citation, tool_propose, error, done. Stringhe concatenate non mostrano una fonte né una conferma.
• Un errore nominato quando il provider è giù. Ho scritto il playbook dell’outage di ChatGPT. Il prodotto ha bisogno di una stringa, non di una bolla vuota.
• Un feature flag. Consegnato significa che potevano spegnere il percorso del modello senza rollback del sito.

4. Chi pubblica questo — e chi non dovrebbe

Questa vacancy sta quando il prodotto ha già una UI, il backend è già Python o lo resterà, e la feature LLM è una fetta dell’app. Non sta quando il lavoro è una piattaforma di corpus con eval e un grafo che deve rifiutare.

• Team seed e piccoli prodotti, tool interni, agenzie che mettono un copilot in un’app React esistente.
• Non sostituisce l’AI engineer Python-first quando il dolore è retrieval stantio, fedeltà e un grafo in produzione. Quella domanda è l’altro articolo.

Conclusione: due posti, due prezzi

Fullstack qui significa che il loop Python e lo schermo React condividono uno schema, uno stream e una conferma — e che è già successo davanti a utenti. Un notebook con involucro React è ancora un notebook. Scrivete questa vacancy come posto suo. Se la stessa JD nomina anche LangGraph, pipeline RAG e un sistema LLM tenuto in produzione, state cercando due senior. Prezzatela così, o separate l’offerta.