# Mission: AI Staff Engineer (Fever)

## Why
Sergio quiere entrar como **AI Staff Engineer en Fever** (área AI & DevEx, Product Engineering, remoto desde España). Ya construye harnesses de agentes de forma nativa —`cc-remote` (entornos de desarrollo efímeros en Docker para Claude Code) y `developer-skills` (pipeline multi-agente issue→PR con dispatcher, worktrees aislados y review gating)— que se solapan casi literalmente con las responsabilidades de la oferta. El hueco no es de capacidad: es de **profundidad medible, vocabulario de industria y evidencia pública**. Aplicará en semanas, no en meses.

## Success looks like
- Puede **medir** su harness, no solo construirlo: taxonomía de fallos derivada de trazas reales, un eval automatizado que corre en CI, y una cifra de "success rate" defendible ante un entrevistador.
- Puede razonar en voz alta sobre **economía de inferencia**: qué cuesta un PR autónomo, dónde va el gasto, qué ahorra el prompt caching y cuándo enrutar a un modelo más barato — con números de sus propios proyectos, no de un blog.
- Puede proponer un **framework de medición de adopción** (baselines, DORA/DX Core 4) para un equipo de ingeniería que introduce agentes, y defender por qué las métricas ingenuas mienten.
- Tiene **evidencia pública** que un hiring manager puede leer en 5 minutos: un README o post que muestra su harness *evaluado*, no solo *funcionando*.
- Ha matado el síndrome del impostor sustituyéndolo por artefactos: cuando dude de si sabe suficiente, puede señalar cosas concretas.

## Constraints
- 20+ h/semana disponibles. Ritmo de sprint.
- Aún no ha aplicado, pero quiere hacerlo pronto: el plan debe producir **evidencia antes que exhaustividad**.
- Base backend en producción sólida y reciente (APIs, SQL, event-driven, CI/CD, observabilidad) → **no** hay que enseñarle backend.
- Ya ha tocado evals, RAG, agentes y harness. El listón es "profundidad de Staff", no introducción.
- Idioma de trabajo: español (es-ES). El puesto exige inglés de negocio → practicar el pitch en inglés cuenta como parte de la misión.

## Out of scope
- Fundamentos de backend, SQL, sistemas distribuidos: ya los tiene.
- Fine-tuning y entrenamiento de modelos: la oferta no lo pide.
- Teoría de deep learning / arquitecturas de transformers a bajo nivel.
- Frameworks de agentes de terceros (LangGraph, CrewAI…) salvo como referencia comparativa: su ventaja es el harness propio.