Введение:
Мы ищем инженера по ИИ, который поможет нам перейти от «прототипа» к «производству» наших ИИ-возможностей. В этой роли вы будете не просто экспериментировать с моделями; вы будете проектировать надежные агентные системы, способные планировать, рассуждать и выполнять сложные рабочие процессы автономно для широкого круга бизнес-пользователей, экспериментируя с передовыми моделями и инструментами, чтобы раздвинуть границы возможного.
Идеальный кандидат — это дальновидный инженер, который любит практические эксперименты с моделями и фреймворками ИИ, быстро учится и обладает природным любопытством. Вы будете тесно сотрудничать с менеджерами по продуктам, бизнес-партнерами и командными платформами для предоставления высокоценных ИИ-агентов, решающих реальные проблемы предприятия.
Обзор проекта:
Клиент — ведущий поставщик многобрендовых технологических решений для бизнеса, правительства, образования и здравоохранения в США, Великобритании и Канаде. Являясь компанией из списка Fortune 500 и членом индекса S&P 500, Клиент был основан в 1984 году и насчитывает около 10 000 сотрудников. За двенадцать месяцев, закончившихся 30 сентября 2020 года, компания получила чистую выручку более 18 миллиардов долларов.
Широкий спектр предложений охватывает от аппаратного и программного обеспечения до интегрированных ИТ-решений, таких как безопасность, облачные технологии, центры обработки данных и сетевые решения.
Требования:
Основные инженерные навыки
Степень бакалавра и 5 лет опыта разработки программного обеспечения с опытом применения ИИ/МО ИЛИ 9 лет опыта разработки программного обеспечения с опытом применения ИИ/МО.
- Программирование: Опыт разработки приложений на Python для ИИ/LLM.
- Агентный ИИ: Опыт проектирования и создания ИИ-агентов / решений на основе агентного ИИ.
- API LLM: Опыт интеграции и работы с API LLM-моделей (например, OpenAI, Azure OpenAI, Anthropic, Gemini).
Специализация в области ИИ
2+ года опыта разработки с использованием LLM, с глубоким знанием:
- Оркестрация: LangChain, LangGraph или аналогичные фреймворки на основе состояний.
- Векторные БД: Pinecone, Weaviate или pgvector.
- Prompt Engineering: Продвинутые методы (Chain-of-Thought, ReAct, Few-Shot).
- Производственное мышление: Опыт не только создания демонстрационных версий, но и их эксплуатации. Вы знаете, как обрабатывать ограничения скорости, переполнение контекстного окна и недетерминированные ошибки.
- Soft Skills: Способность объяснять «вероятностное программное обеспечение» нетехническим специалистам, управляя ожиданиями, что агенты никогда не бывают на 100% точными, но могут быть на 100% полезными.
- Коммуникация: Отличные коммуникативные навыки, опыт документирования технических решений, обмена знаниями и передачи знаний команде.
Обязанности:
Разработка агентных систем и оркестрация
- Проектирование рабочих процессов: Проектирование сложных многоагентных рабочих процессов с использованием технологического стека Microsoft AI. Проектирование, разработка и внедрение агентов для обработки циклов, прерываний и вмешательств человека.
- Использование инструментов и вызов функций: Создание надежных «слоев инструментов», позволяющих LLM безопасно взаимодействовать с внутренними API, базами данных и сторонними SaaS-платформами (например, SalesForce, Workday, ServiceNow и т. д.).
- Управление состоянием: Проектирование постоянных слоев для эффективного управления памятью агентов, историей диалогов и контекстными окнами.
Продвинутая стратегия работы с данными и RAG
- Конвейеры поиска: Создание производственных систем поиска и интеграции данных. Оптимизация векторного индексирования, разбивки документов и алгоритмов переранжирования для обеспечения высокоточного поиска контекста.
- Качество данных: Сотрудничество с инженерами данных для курирования «золотых наборов данных» для потребления агентами.
LLMOps, оценка и качество
- Автоматизированная оценка: Создание конвейеров CI/CD для ИИ, включающих тестирование «LLM как судья». Использование фреймворков для оценки результатов работы агентов на точность, галлюцинации и безопасность перед развертыванием.
- Наблюдаемость: Инструментирование приложений с помощью инструментов трассировки для визуализации цепочек рассуждений агентов, мониторинга задержки и отладки сбоев в производственной среде.
- Оптимизация затрат: Мониторинг использования токенов и задержки, оптимизация плотности промптов и стратегий кэширования для поддержания высокой производительности при устойчивых затратах.
Инновации и сотрудничество
- От прототипа к производству: Быстрая проверка новых идей с использованием передовых моделей, затем рефакторинг успешных прототипов в поддерживаемый, протестированный производственный код.
- Внедрение стандартов: Будьте в курсе событий, оценивая новые технологии для стандартизации подключения агентов.
