AI / LLMOps Engineer (M/K)
⚲ Łódź
Do uzgodnienia
Wymagania
- doświadczenie w produkcyjnym wdrażaniu rozwiązań GenAI / agentów AI (LLM, RAG, multi-agent)
- znajomość GCP, szczególnie Agent Platform (Agent Engine, Vector Search, Pipelines), BigQuery, Cloud Run, Artifact Registry, IAM
- znajomość Pythona i jego ekosystemu w zakresie GenAI/ML (google-cloud-aiplatform, Google Gen AI SDK, Kubeflow Pipelines)
- zrozumienie zasad MLOps/AIOps i projektowania potoków CI/CD z użyciem Azure DevOps
- świadomość wymagań regulacyjnych (EU AI Act, RODO) i bezpieczeństwa LLM
- umiejętność wyjaśniania złożonych architektur interesariuszom technicznym i biznesowym
Mile widziane
- praktyczne doświadczenie z Google ADK lub porównywalnym frameworkiem (LangGraph, LlamaIndex, AutoGen)
- tworzenie obrazów Docker i ich wdrażanie, znajomość Bash, Helm i Kubernetes (GKE)
Opis stanowiska
Będziesz projektować i rozwijać skalowalną platformę agentową na GCP — od architektury, przez provisioning środowisk, po narzędzia dla developerów agentów (szablony Python ADK, pipeline'y Azure DevOps, Agent Registry). W zakres wchodzi też implementacja RAG (Vertex AI Vector Search), Tool Registry z serwerami MCP oraz warstwa ewaluacji i obserwowalności agentów. To rola dla inżyniera z produkcyjnym doświadczeniem w GenAI/agentach, który swobodnie porusza się w ekosystemie Google Cloud — projekt jest mocno oparty na specyficznych usługach GCP, więc znajomość innych frameworków może być traktowana jako substytut o mniejszym priorytecie.
🔍 Dekoder Ogłoszenia
🔴
mile widziane praktyczne doświadczenie z Google ADK lub porównywalnym frameworkiem (LangGraph, LlamaIndex, AutoGen)
Chociaż wymieniono wiele popularnych narzędzi, faktyczne doświadczenie z konkretnym frameworkiem Google ADK może być kluczowe, a inne mogą być traktowane jako substytuty z mniejszym priorytetem.
🔴
znajomość GCP, szczególnie: Agent Platform (w tym Agent Engine, Vector Search, Pipelines), BigQuery, Cloud Run, Artifact Registry, IAM
Wymagana jest bardzo specyficzna i zaawansowana znajomość konkretnych usług Google Cloud Platform, co może oznaczać, że projekt jest mocno oparty na tej technologii.
🔴
zrozumienie zasad MLOps/AIOps i projektowania potoków CI/CD z użyciem Azure DevOps
Chociaż wymieniono Azure DevOps, projekt może być w rzeczywistości mocno zintegrowany z ekosystemem GCP, a Azure DevOps może być używany w specyficzny, ograniczony sposób.
🟡
świadomość wymagań regulacyjnych (EU AI Act, RODO) i bezpieczeństwa LLM
Oznacza to, że będziesz musiał aktywnie zajmować się aspektami prawnymi i bezpieczeństwa, co może wykraczać poza typowe zadania inżynierskie.
🟡
umiejętności komunikacyjne ze zdolnością wyjaśniania złożonych architektur interesariuszom technicznym i biznesowym
Oczekuje się, że będziesz potrafił tłumaczyć skomplikowane zagadnienia techniczne na język zrozumiały dla osób nietechnicznych, co jest standardową, ale ważną umiejętnością.