Sólida Base em C# / .NET: O foco principal é backend em .NET, com sistemas existentes e novos serviços. É requerido proficiência em programação assíncrona, injeção de dependência e arquitetura limpa. Saber validar rapidamente se o código gerado pela IA é seguro e performático.Ecossistema Avançado de IA para Devs: Familiaridade com extensões de VS Code e ferramentas que permitem personalização e otimização do seu uso com Inteligência Artificial. Experiência com ferramentas como AI Toolkit é um forte diferencial.Automação de Pipeline: Saber fazer automações dos pipeline de desenvolvimento com uso de agentes de IA, integrando com Github Actions ou Azure DevOpsComparativo de Modelos: Conhecimento prático das diferenças de raciocínio e tratamento de janela de contexto entre as famílias Claude (Anthropic), GPT (OpenAI) e Gemini (Google), sabendo selecionar o melhor cérebro para cada tarefa de codificação.AI Safety e Ética de Dados: Garantir que o uso de agentes e modelos siga as diretrizes de governança de dados da empresa e de segurança de informação do uso de IA.DesejávelCeticismo Técnico: Você entende que LLMs alucinam e que o resultado do seu uso cria incertezas. Seu fluxo de trabalho deve incluir verificação rigorosa e uso de técnicas como TDD para blindar o código gerado.Explorador de Ferramentas e Tecnologias: Você está sempre testando a próxima grande coisa em extensões do VS Code ou outras ferramentas, entendendo também as limitações corporativas para a sua adoção.Desenvolvimento Nativo em IA (AI-Native): Desenvolver soluções em C# (.NET Core) em ambiente Microsoft, utilizando assistentes e agentes de IA não apenas para completar o código, mas para gerar artefatos de projetos e executar atividades de SDLC como testes e documentação de sistemas. Disseminar a cultura AI-Native para o restante do time, ajudando outros desenvolvedores a extraírem o máximo das ferramentas de IA de forma segura e eficiente.Orquestração de Agentes no VS Code: Saber configurar o ambiente de desenvolvimento para atuar com agentes autônomos, sabendo configurar e otimizar ambientes de desenvolvimento modernos (como VS Code, Cursor, ou CLI-based), selecionando e customizando extensões de agentes autônomos. Espera-se que você utilize e saiba avaliar ferramentas capazes de executar comandos e manipular dados de forma independente, usando ferramentas como Github Copilot, Cline, Gemini Cli e equivalentes, ou mesmo criando e customizando agentes próprios utilizando ferramentas como o AI Toolkit da Microsoft.Gestão de Modelos e Inferência: Saber avaliar o trade-off entre custo, privacidade e inteligência dos modelos de LLM a serem empregados no SDLC.Engenharia de Confiabilidade de Código: Saber usar de ferramentas e funções focadas em integridade e testes para gerar cenários de teste robustos e identificar cases que escapam à revisão humana, sabendo lidar com a natureza não determinística dos agentes baseados em LLM.Conectividade via MCP: Saber usar MCP (Model Context Protocol) que permitam aos assistentes e agentes de IA no SDLC, bem como às soluções de negócio desenvolvidas, a interagirem com ferramentas externas e, quando não disponível de forma nativa, saber desenvolver e estender servidores MCP para conectar a estas ferramentas, bancos de dados e APIs proprietárias.RAG como Base de Conhecimento: Saber utilizar RAG e customizar estratégias de busca (p.ex., utilizando skillset do AI Foundry), demonstrando capacidade de integrá-lo nas soluções desenvolvidas e no fluxo de trabalho de desenvolvimento quando for aplicável.