About Wrtn Technologies Inc.
뤼튼테크놀로지스는 AI로 사람들의 삶을 혁신하는 회사입니다.
500만 명이 매일 사용하는 AI 플랫폼 뤼튼, 전 세계에서 가장 빠르게 성장하는 AI 캐릭터 서비스 크랙, 기업의 업무를 재정의하는 에이전트를 만드는 AX.
컨슈머와 엔터프라이즈에서 AI가 여는 기회를 실제 사업으로 만들어가고 있습니다.
이 비전을 실현할 수 있는 뤼튼 팀 만의 이유가 있습니다.
AI 콘텐츠로 실제 성공을 경험했고, 컨슈머와 엔터프라이즈 양쪽의 니즈를 깊이 탐색해왔으며, AI 제품을 시장에 출시해본 팀입니다. 무엇보다, 모델사들의 기술 동향을 체감할 수 있을 만큼의 사용량을 갖고 있습니다.
우리는 남들이 가지 않는 길을 가되, 맞아야 합니다.
그래서 빠르게 시도하고, 실패에서 배우고, 잘 되는 것에 집중합니다.
함께 만들어갈 분을 기다립니다.
1. Autoview & AutoBE 소개
뤼튼테크놀로지스에서 코딩 에이전트 개발자를 모집합니다.
AutoView와 AutoBe는 자연어 대화만으로 풀스택 애플리케이션을 자동 생성하는 AI 시스템입니다.
AutoView가 프론트엔드를, AutoBe가 백엔드를 담당하며, 현재 하나의 통합 시스템으로 합쳐지고 있습니다.
단순한 코드 생성이 아닙니다. 사용자의 의도를 정확히 애플리케이션에 담아내고, 대화 중 시시각각 와이어프레임과 시각적 프리뷰를 제공하여 구현 방향을 함께 토의하는 글자만 주고받는 챗봇이 아닌, 설계 의도를 눈으로 확인하고 즉시 피드백하는 협업 도구를 만듭니다.
1.1. AutoView — AI 프론트엔드 코드 생성
Figma 이미지(스크린샷)를 분석하여 프로덕션 레벨의 Next.js 프로젝트를 자동 생성하는 AI 파이프라인 시스템입니다. Figma 노드 트리가 아닌 렌더된 픽셀 자체를 진실의 원천(Source of Truth)으로 삼는 Vision-First 접근법입니다. 세 가지 핵심 파이프라인으로 구성됩니다.
- 이미지 → 코드 생성: Figma 디자인 스크린샷을 LLM이 분석하여 역할(page/flow/component)을 분류하고, 색상 팔레트 추출·shadcn/ui 컴포넌트 감지를 거쳐 Next.js + shadcn/ui 기반 TSX 코드를 생성
- Layout Diff 반복 수정: 생성된 TSX를 Babel AST로 파싱하여 레이아웃 트리를 추출하고, 원본 디자인과 비교(Landmark + Semantic Inventory 알고리즘)하여 유사도가 수렴할 때까지 반복 수정하는 피드백 루프
- Figma 에셋 추출: Figma REST API로 아이콘(SVG→TSX)과 이미지(PNG)를 추출하고, LLM이 의미론적 이름을 자동 부여
MCP(Model Context Protocol) 서버를 통해 Claude Code·Cursor 등 기존 개발 도구와 연결되어 지속적인 반복 개발을 지원합니다.
1.2. AutoBe — AI 백엔드 코드 생성
- Github Repository: https://github.com/wrtnlabs/autobe
- Guide Documents: https://autobe.dev
자연어 대화로 요구사항 분석 → 데이터베이스 설계 → API 명세 → E2E 테스트 → 구현까지, 완전한 TypeScript + NestJS + Prisma 백엔드를 생성하는 오픈소스 AI 시스템입니다.
현재 델타 로드맵을 진행 중입니다. Local LLM 벤치마크 기반 검증 강화, RAG 최적화, Design Integrity 검증 고도화, Java/Kotlin 다국어 지원을 개발하고 있습니다.
2. 주요 업무
백엔드와 프론트엔드를 아우르는 하나의 풀스택 코딩 에이전트를 만듭니다. 양쪽을 넘나들며 작업하게 됩니다.
2.1. AI 에이전트 오케스트레이션
백엔드 40개 이상, 프론트엔드 다수의 에이전트가 협업하는 파이프라인을 설계하고 개선합니다.
- 시스템 프롬프트 작성 및 Function Calling 인터페이스 설계
- Design Integrity 검증: Schema Relation/Structure/Content Agent, DB Coverage Agent, API Endpoint Coverage Agent
- 에이전트 간 의존성 관리, 병렬 실행 최적화, 실패 시 재시도 전략
2.2. 컴파일러 및 검증 시스템
백엔드(Prisma, OpenAPI, TypeScript)와 프론트엔드(React, Layout Diff) 양쪽의 컴파일러 진단 결과를 에이전트에게 피드백하여 오류를 자동 수정하는 Self-Healing Loop를 구축합니다.
- Dynamic Function Calling Schema로 존재하지 않는 리소스 접근을 타입 레벨에서 차단
- JSON Schema Validator, Validation Feedback Stringify를 통한 직관적 진단 피드백
- Figma Node Tree 파싱의 정확도 검증 및 CSS·컴포넌트 구조 변환 검증
- Layout Diff 알고리즘을 통한 디자인 충실도 자동 검증·개선
- Java/Kotlin 등 다국어 코드 생성 컴파일러 개발
2.3. 사용자 의도 반영 및 시각적 피드백
- 대화 중 실시간 와이어프레임·프리뷰 생성으로 구현 방향을 즉시 토의
- 백엔드 API와 프론트엔드 UI 간 설계 정합성 교차 검증
- ERD, API 문서, 컴포넌트 구조도 자동 생성 및 코드 변경 동기화
- OpenAPI 명세를 통한 백엔드-프론트엔드 자동 연결 파이프라인
2.4. RAG 및 성능 최적화
- Vector + BM25 하이브리드 검색, Dynamic K Retrieval로 토큰 효율 극대화
- 요구사항 문서의 토픽/섹션 단위 청크 분할 및 인덱스 기반 탐색
- 에이전트 워크플로우 병렬 실행 최적화
2.5. 타입 안전한 이벤트 드리븐 아키텍처
65개 이상의 이벤트 타입으로 풀스택 생성 과정을 실시간 추적합니다. WebSocket 기반 RPC와 Discriminated Union 패턴으로 타입 일관성을 보장합니다.
모든 업무를 다룰 줄 알아야 하는 것은 아닙니다. 다만 백엔드와 프론트엔드를 넘나드는 시스템인 만큼, 한쪽에 국한되지 않고 양쪽을 이해하려는 자세가 중요합니다.
3. 자격 요건
특정 기술 스택보다 기본 소양과 학습 능력을 중시합니다.
필수 역량:
- 명확한 타입 설계 능력: Discriminated Union, 제네릭, 타입 가드 등을 활용하여 컴파일 타임에 오류를 잡아내는 설계 철학. 특정 언어 경험보다 타입으로 안전성을 확보하려는 사고방식이 중요합니다.
- 꼼꼼한 문서화 습관: 수십 개의 AI 에이전트가 협업하는 시스템에서 각 에이전트의 역할과 상호작용을 명확히 문서화하는 능력. 시스템 프롬프트와 아키텍처 문서가 에이전트의 동작을 결정합니다.
- 테스트 주도 개발 경험: 테스트를 먼저 작성하고 이를 통과하도록 구현하는 방식에 익숙하며, 테스트 가능한 구조로 코드를 설계하는 능력.
4. 우대사항
백엔드와 프론트엔드 양쪽에 걸친 역량을 가진 분일수록 유리합니다.
4.1. 프론트엔드 및 Figma 역량
- Figma API를 사용한 서비스 또는 Figma Plugin 개발 경험
- React/Next.js 내부 동작 및 컴파일 과정에 대한 이해
- 최소한의 디자인 역량과 3년 이상의 프론트엔드 개발 경험
- CSS 레이아웃 (Flexbox, Grid)과 Auto Layout 매핑
- AST 활용 코드 분석·변환 경험
- 기하학에 관심이 많거나 관련 역량을 가지신 분
4.2. 백엔드 개발 역량
- RDB 설계 (정규화, 인덱스, 관계 모델링)
- REST API 설계 및 OpenAPI 3.1 스펙
- JSON Schema 제약 조건 및 검증 규칙
4.3. 에이전트 및 LLM 역량
- 대화형 에이전트 개발 또는 LLM 활용 경험
- Function Calling 기반 아키텍처 설계 능력
- RAG 활용 및 구현 경험
- 에이전트 오케스트레이션 패턴 경험
4.4. 컴파일러 개발 역량
- 컴파일러 이론, AST 설계, 코드 생성 경험
- 언어 중립적 AST 설계 및 다국어 변환 (현재 Java/Kotlin 확장 중, 향후 Python/Go 계획)
언어 중립적 AST:
AutoBeDatabase.IApplication
AutoBeOpenApi.IDocument
AutoBeTest.IFunction
5. 지원 시 필수 제출 서류
탐색 권장 자료:
AutoView:
- Figma Plugin API (Scenegraph·Node 속성)
AutoBe:
- 공식 문서: https://autobe.dev/docs
- GitHub 리포지토리: https://github.com/wrtnlabs/autobe
- 델타 로드맵: https://autobe.dev/docs/roadmap/delta/
- 생성 예제: https://github.com/wrtnlabs/autobe-examples
단순한 기술 스택 나열보다는, 이 시스템에 어떤 기여를 할 수 있는지 구체적으로 작성해주세요.
시나리오 예시:
- 에이전트 오케스트레이션 코드를 분석해보니 의존성 관리가 복잡합니다. 백엔드-프론트엔드 에이전트의 의존성을 통합 관리하고 병렬 실행을 최적화하는 데 기여할 수 있습니다
- WebSocket 기반 실시간 렌더링 시스템 구축 경험이 있어, 대화 중 와이어프레임이 즉시 갱신되는 피드백 루프를 만드는 데 기여할 수 있습니다
- TypeScript AST 파서 경험이 있어, 델타 로드맵의 Human Modification Support — 사용자가 수정한 코드를 내부 표현으로 변환하는 파서 개발에 기여할 수 있습니다
- Figma Auto Layout → CSS Flexbox 매핑 경험과 REST API 설계 경험을 함께 갖고 있어, 프론트엔드가 백엔드 API와 자연스럽게 연결되는 풀스택 파이프라인 개선에 기여하고 싶습니다
창의적인 제안, 비판적인 분석, 구체적인 개선 방안 모두 환영합니다.
뤼튼 팀 합류 여정
- 채용 과정은 서류 전형 → 실무 인터뷰 → 컬처핏 인터뷰 → 대표 인터뷰 → 레퍼런스 체크&합격 안내로 진행되며, 필요에 따라 일부 절차는 조정될 수 있습니다.
- 최종 합격 시 3개월의 수습 기간이 적용됩니다.
- 국가유공자 및 장애인 등 취업 보호 대상자는 관계 법령에 따라 우대합니다.
- 처우 협의 및 입사 일정 조율은 최종 합격 이후 별도로 진행됩니다.
- 지원 서류에 허위 사실이 발견될 경우, 합격 이후라도 채용이 취소될 수 있습니다.
About Wrtn Technologies Inc.
뤼튼테크놀로지스는 AI로 사람들의 삶을 혁신하는 회사입니다.
500만 명이 매일 사용하는 AI 플랫폼 뤼튼, 전 세계에서 가장 빠르게 성장하는 AI 캐릭터 서비스 크랙, 기업의 업무를 재정의하는 에이전트를 만드는 AX.
컨슈머와 엔터프라이즈에서 AI가 여는 기회를 실제 사업으로 만들어가고 있습니다.
이 비전을 실현할 수 있는 뤼튼 팀 만의 이유가 있습니다.
AI 콘텐츠로 실제 성공을 경험했고, 컨슈머와 엔터프라이즈 양쪽의 니즈를 깊이 탐색해왔으며, AI 제품을 시장에 출시해본 팀입니다. 무엇보다, 모델사들의 기술 동향을 체감할 수 있을 만큼의 사용량을 갖고 있습니다.
우리는 남들이 가지 않는 길을 가되, 맞아야 합니다.
그래서 빠르게 시도하고, 실패에서 배우고, 잘 되는 것에 집중합니다.
함께 만들어갈 분을 기다립니다.
1. Autoview & AutoBE 소개
뤼튼테크놀로지스에서 코딩 에이전트 개발자를 모집합니다.
AutoView와 AutoBe는 자연어 대화만으로 풀스택 애플리케이션을 자동 생성하는 AI 시스템입니다.
AutoView가 프론트엔드를, AutoBe가 백엔드를 담당하며, 현재 하나의 통합 시스템으로 합쳐지고 있습니다.
단순한 코드 생성이 아닙니다. 사용자의 의도를 정확히 애플리케이션에 담아내고, 대화 중 시시각각 와이어프레임과 시각적 프리뷰를 제공하여 구현 방향을 함께 토의하는 글자만 주고받는 챗봇이 아닌, 설계 의도를 눈으로 확인하고 즉시 피드백하는 협업 도구를 만듭니다.
1.1. AutoView — AI 프론트엔드 코드 생성
Figma 이미지(스크린샷)를 분석하여 프로덕션 레벨의 Next.js 프로젝트를 자동 생성하는 AI 파이프라인 시스템입니다. Figma 노드 트리가 아닌 렌더된 픽셀 자체를 진실의 원천(Source of Truth)으로 삼는 Vision-First 접근법입니다. 세 가지 핵심 파이프라인으로 구성됩니다.
- 이미지 → 코드 생성: Figma 디자인 스크린샷을 LLM이 분석하여 역할(page/flow/component)을 분류하고, 색상 팔레트 추출·shadcn/ui 컴포넌트 감지를 거쳐 Next.js + shadcn/ui 기반 TSX 코드를 생성
- Layout Diff 반복 수정: 생성된 TSX를 Babel AST로 파싱하여 레이아웃 트리를 추출하고, 원본 디자인과 비교(Landmark + Semantic Inventory 알고리즘)하여 유사도가 수렴할 때까지 반복 수정하는 피드백 루프
- Figma 에셋 추출: Figma REST API로 아이콘(SVG→TSX)과 이미지(PNG)를 추출하고, LLM이 의미론적 이름을 자동 부여
MCP(Model Context Protocol) 서버를 통해 Claude Code·Cursor 등 기존 개발 도구와 연결되어 지속적인 반복 개발을 지원합니다.
1.2. AutoBe — AI 백엔드 코드 생성
- Github Repository: https://github.com/wrtnlabs/autobe
- Guide Documents: https://autobe.dev
자연어 대화로 요구사항 분석 → 데이터베이스 설계 → API 명세 → E2E 테스트 → 구현까지, 완전한 TypeScript + NestJS + Prisma 백엔드를 생성하는 오픈소스 AI 시스템입니다.
현재 델타 로드맵을 진행 중입니다. Local LLM 벤치마크 기반 검증 강화, RAG 최적화, Design Integrity 검증 고도화, Java/Kotlin 다국어 지원을 개발하고 있습니다.
2. 주요 업무
백엔드와 프론트엔드를 아우르는 하나의 풀스택 코딩 에이전트를 만듭니다. 양쪽을 넘나들며 작업하게 됩니다.
2.1. AI 에이전트 오케스트레이션
백엔드 40개 이상, 프론트엔드 다수의 에이전트가 협업하는 파이프라인을 설계하고 개선합니다.
- 시스템 프롬프트 작성 및 Function Calling 인터페이스 설계
- Design Integrity 검증: Schema Relation/Structure/Content Agent, DB Coverage Agent, API Endpoint Coverage Agent
- 에이전트 간 의존성 관리, 병렬 실행 최적화, 실패 시 재시도 전략
2.2. 컴파일러 및 검증 시스템
백엔드(Prisma, OpenAPI, TypeScript)와 프론트엔드(React, Layout Diff) 양쪽의 컴파일러 진단 결과를 에이전트에게 피드백하여 오류를 자동 수정하는 Self-Healing Loop를 구축합니다.
- Dynamic Function Calling Schema로 존재하지 않는 리소스 접근을 타입 레벨에서 차단
- JSON Schema Validator, Validation Feedback Stringify를 통한 직관적 진단 피드백
- Figma Node Tree 파싱의 정확도 검증 및 CSS·컴포넌트 구조 변환 검증
- Layout Diff 알고리즘을 통한 디자인 충실도 자동 검증·개선
- Java/Kotlin 등 다국어 코드 생성 컴파일러 개발
2.3. 사용자 의도 반영 및 시각적 피드백
- 대화 중 실시간 와이어프레임·프리뷰 생성으로 구현 방향을 즉시 토의
- 백엔드 API와 프론트엔드 UI 간 설계 정합성 교차 검증
- ERD, API 문서, 컴포넌트 구조도 자동 생성 및 코드 변경 동기화
- OpenAPI 명세를 통한 백엔드-프론트엔드 자동 연결 파이프라인
2.4. RAG 및 성능 최적화
- Vector + BM25 하이브리드 검색, Dynamic K Retrieval로 토큰 효율 극대화
- 요구사항 문서의 토픽/섹션 단위 청크 분할 및 인덱스 기반 탐색
- 에이전트 워크플로우 병렬 실행 최적화
2.5. 타입 안전한 이벤트 드리븐 아키텍처
65개 이상의 이벤트 타입으로 풀스택 생성 과정을 실시간 추적합니다. WebSocket 기반 RPC와 Discriminated Union 패턴으로 타입 일관성을 보장합니다.
모든 업무를 다룰 줄 알아야 하는 것은 아닙니다. 다만 백엔드와 프론트엔드를 넘나드는 시스템인 만큼, 한쪽에 국한되지 않고 양쪽을 이해하려는 자세가 중요합니다.
3. 자격 요건
특정 기술 스택보다 기본 소양과 학습 능력을 중시합니다.
필수 역량:
- 명확한 타입 설계 능력: Discriminated Union, 제네릭, 타입 가드 등을 활용하여 컴파일 타임에 오류를 잡아내는 설계 철학. 특정 언어 경험보다 타입으로 안전성을 확보하려는 사고방식이 중요합니다.
- 꼼꼼한 문서화 습관: 수십 개의 AI 에이전트가 협업하는 시스템에서 각 에이전트의 역할과 상호작용을 명확히 문서화하는 능력. 시스템 프롬프트와 아키텍처 문서가 에이전트의 동작을 결정합니다.
- 테스트 주도 개발 경험: 테스트를 먼저 작성하고 이를 통과하도록 구현하는 방식에 익숙하며, 테스트 가능한 구조로 코드를 설계하는 능력.
4. 우대사항
백엔드와 프론트엔드 양쪽에 걸친 역량을 가진 분일수록 유리합니다.
4.1. 프론트엔드 및 Figma 역량
- Figma API를 사용한 서비스 또는 Figma Plugin 개발 경험
- React/Next.js 내부 동작 및 컴파일 과정에 대한 이해
- 최소한의 디자인 역량과 3년 이상의 프론트엔드 개발 경험
- CSS 레이아웃 (Flexbox, Grid)과 Auto Layout 매핑
- AST 활용 코드 분석·변환 경험
- 기하학에 관심이 많거나 관련 역량을 가지신 분
4.2. 백엔드 개발 역량
- RDB 설계 (정규화, 인덱스, 관계 모델링)
- REST API 설계 및 OpenAPI 3.1 스펙
- JSON Schema 제약 조건 및 검증 규칙
4.3. 에이전트 및 LLM 역량
- 대화형 에이전트 개발 또는 LLM 활용 경험
- Function Calling 기반 아키텍처 설계 능력
- RAG 활용 및 구현 경험
- 에이전트 오케스트레이션 패턴 경험
4.4. 컴파일러 개발 역량
- 컴파일러 이론, AST 설계, 코드 생성 경험
- 언어 중립적 AST 설계 및 다국어 변환 (현재 Java/Kotlin 확장 중, 향후 Python/Go 계획)
언어 중립적 AST:
AutoBeDatabase.IApplication
AutoBeOpenApi.IDocument
AutoBeTest.IFunction
5. 지원 시 필수 제출 서류
탐색 권장 자료:
AutoView:
- Figma Plugin API (Scenegraph·Node 속성)
AutoBe:
- 공식 문서: https://autobe.dev/docs
- GitHub 리포지토리: https://github.com/wrtnlabs/autobe
- 델타 로드맵: https://autobe.dev/docs/roadmap/delta/
- 생성 예제: https://github.com/wrtnlabs/autobe-examples
단순한 기술 스택 나열보다는, 이 시스템에 어떤 기여를 할 수 있는지 구체적으로 작성해주세요.
시나리오 예시:
- 에이전트 오케스트레이션 코드를 분석해보니 의존성 관리가 복잡합니다. 백엔드-프론트엔드 에이전트의 의존성을 통합 관리하고 병렬 실행을 최적화하는 데 기여할 수 있습니다
- WebSocket 기반 실시간 렌더링 시스템 구축 경험이 있어, 대화 중 와이어프레임이 즉시 갱신되는 피드백 루프를 만드는 데 기여할 수 있습니다
- TypeScript AST 파서 경험이 있어, 델타 로드맵의 Human Modification Support — 사용자가 수정한 코드를 내부 표현으로 변환하는 파서 개발에 기여할 수 있습니다
- Figma Auto Layout → CSS Flexbox 매핑 경험과 REST API 설계 경험을 함께 갖고 있어, 프론트엔드가 백엔드 API와 자연스럽게 연결되는 풀스택 파이프라인 개선에 기여하고 싶습니다
창의적인 제안, 비판적인 분석, 구체적인 개선 방안 모두 환영합니다.
뤼튼 팀 합류 여정
- 채용 과정은 서류 전형 → 실무 인터뷰 → 컬처핏 인터뷰 → 대표 인터뷰 → 레퍼런스 체크&합격 안내로 진행되며, 필요에 따라 일부 절차는 조정될 수 있습니다.
- 최종 합격 시 3개월의 수습 기간이 적용됩니다.
- 국가유공자 및 장애인 등 취업 보호 대상자는 관계 법령에 따라 우대합니다.
- 처우 협의 및 입사 일정 조율은 최종 합격 이후 별도로 진행됩니다.
- 지원 서류에 허위 사실이 발견될 경우, 합격 이후라도 채용이 취소될 수 있습니다.