Engineering Tech Lead
⚲ Kraków
31 000–35 000 zł netto (+ VAT) / mies.
Wymagania
- praktyczne doświadczenie z produkcyjnymi aplikacjami LLM (nie tylko prototypy/PoC)
- dogłębne zrozumienie tokenizacji, context windows, temperature i ograniczeń modeli LLM
- umiejętność projektowania structured prompts (function/tool calling, JSON, multi-turn)
- doświadczenie z Kubernetes (deployments, services, RBAC, Helm/Kustomize), autoscaling i observability
- doświadczenie z CI/CD (GitHub Actions, GitLab, Jenkins) i IaC z Terraform
- doświadczenie z AWS lub GCP (wymagane)
- znajomość LangChain, OpenAI/Azure OpenAI, Anthropic lub podobnych ekosystemów LLM
- doświadczenie w projektowaniu bezpiecznych API/LLM gateway
Opis stanowiska
Rola Tech Leada w projekcie budowy produkcyjnych systemów AI-enabled, pipeline'ów DevOps i agentowych workflow AI. Łączysz zaawansowany full-stack (Java/Spring Boot + React) z głęboką ekspertyzą w integracji LLM, prompt engineeringu i DevOps — odpowiadasz za design, delivery i optymalizację systemów o wysokim ruchu. To pozycja dla kogoś, kto faktycznie wdrażał LLM-y na produkcji, a nie tylko eksperymentował z nimi w PoC. Szczera uwaga: opis wprost wymaga doświadczenia 'beyond prototypes or PoCs' oraz dogłębnej wiedzy o tokenizacji, context windows i ograniczeniach modeli — to nie jest rola dla osoby uczącej się LLM-ów od podstaw.
🔍 Dekoder Ogłoszenia
🔴
Proven hands-on experience with production LLM applications, beyond prototypes or PoCs.
Oznacza to, że szukają kogoś, kto faktycznie wdrażał i utrzymywał modele językowe w działającym środowisku produkcyjnym, a nie tylko eksperymentował z nimi.
🔴
Deep understanding of tokenization, context windows, temperature adjustments, and model limitations across major LLM providers.
Wymagają dogłębnej wiedzy technicznej na temat działania modeli LLM, a nie tylko powierzchownego zapoznania się z nimi.
🔴
Strong capability in designing structured prompts for function/tool calling, generating structured JSON, and handling multi-turn conversations.
Oczekują umiejętności tworzenia zaawansowanych promptów, które pozwalają modelom LLM na interakcję z innymi systemami i prowadzenie złożonych rozmów.
🔴
Kubernetes (deployments, services, RBAC, Helm/Kustomize), autoscaling and ob
Wymagają praktycznej znajomości Kubernetes, w tym zaawansowanych konfiguracji i narzędzi do zarządzania.