GenAI & Agentic AI Solution Architect
⚲ Warszawa, Śródmieście
170–190 zł netto (+ VAT) / godz.
Wymagania
- Python
- LangChain
- LlamaIndex
- LangGraph
- Vector DB
- AWS
- Google Cloud Platform
- Microsoft Azure
- Docker
Opis stanowiska
Nasze wymagania:
Stack Techniczny: Biegły Python oraz doświadczenie z frameworkami LangChain / LlamaIndex / LangGraph.
Ekosystem AI: Praktyczna biegłość w pracy z Vector DB (Pinecone, Weaviate, FAISS) oraz głębokie zrozumienie trade-offów (jakość vs koszt vs latency).
Architektura Systemowa: Doświadczenie w projektowaniu systemów rozproszonych (microservices, event-driven), ze szczególnym uwzględnieniem skalowalności i bezpieczeństwa danych.
Cloud & DevOps: Znajomość AWS/GCP/Azure oraz fundamentów CI/CD i Dockera.
Soft Skills: Umiejętność tłumaczenia skomplikowanych decyzji technicznych i efektywne prowadzenie wielu strumieni projektowych równolegle.
O projekcie:
Jako Softwarely szukamy dla naszego klienta GenAI Solution Architekta. W tej roli będziesz balansować między rolą wizjonera technicznego a "buildera". Twoim zadaniem jest nie tylko projektowanie złożonych systemów agentowych, ale także budowa prototypów (POC), debugging promptów i walka z halucynacjami modeli. Szukamy osoby, która potrafi narzucić standardy pracy wielu zespołom (PODom), nie blokując przy tym ich tempa dostarczania rozwiązań.
Kogo NIE szukamy
• Teoretycznych architektów bez praktycznego doświadczenia w kodowaniu rozwiązań AI.
• ML Engineerów skupionych wyłącznie na researchu, bez doświadczenia w dostarczaniu produkcyjnych systemów (delivery focus).
Zakres obowiązków:
Architektura i Strategia AI: Projektowanie rozwiązań RAG, systemów agentowych oraz pipeline’ów przetwarzania danych. Podejmowanie decyzji: OpenAI vs Open-source oraz Fine-tuning vs RAG.
Hands-on Development: Tworzenie implementacji referencyjnych, prototypowanie dla PODów oraz zaawansowany debugging (optymalizacja jakości odpowiedzi i integracji).
Standaryzacja (Architecture Review): Definiowanie metod ewaluacji modeli, sposobów wdrażania AI features oraz tworzenie reużywalnych komponentów dla całej organizacji.
LLMOps & Monitoring: Zarządzanie procesami embeddingu i indeksowania (Vector DB) oraz monitorowanie jakości odpowiedzi i kosztów zużycia tokenów (LLM Cost Management).
Stack Techniczny: Biegły Python oraz doświadczenie z frameworkami LangChain / LlamaIndex / LangGraph.
Ekosystem AI: Praktyczna biegłość w pracy z Vector DB (Pinecone, Weaviate, FAISS) oraz głębokie zrozumienie trade-offów (jakość vs koszt vs latency).
Architektura Systemowa: Doświadczenie w projektowaniu systemów rozproszonych (microservices, event-driven), ze szczególnym uwzględnieniem skalowalności i bezpieczeństwa danych.
Cloud & DevOps: Znajomość AWS/GCP/Azure oraz fundamentów CI/CD i Dockera.
Soft Skills: Umiejętność tłumaczenia skomplikowanych decyzji technicznych i efektywne prowadzenie wielu strumieni projektowych równolegle.
O projekcie:
Jako Softwarely szukamy dla naszego klienta GenAI Solution Architekta. W tej roli będziesz balansować między rolą wizjonera technicznego a "buildera". Twoim zadaniem jest nie tylko projektowanie złożonych systemów agentowych, ale także budowa prototypów (POC), debugging promptów i walka z halucynacjami modeli. Szukamy osoby, która potrafi narzucić standardy pracy wielu zespołom (PODom), nie blokując przy tym ich tempa dostarczania rozwiązań.
Kogo NIE szukamy
• Teoretycznych architektów bez praktycznego doświadczenia w kodowaniu rozwiązań AI.
• ML Engineerów skupionych wyłącznie na researchu, bez doświadczenia w dostarczaniu produkcyjnych systemów (delivery focus).
Zakres obowiązków:
Architektura i Strategia AI: Projektowanie rozwiązań RAG, systemów agentowych oraz pipeline’ów przetwarzania danych. Podejmowanie decyzji: OpenAI vs Open-source oraz Fine-tuning vs RAG.
Hands-on Development: Tworzenie implementacji referencyjnych, prototypowanie dla PODów oraz zaawansowany debugging (optymalizacja jakości odpowiedzi i integracji).
Standaryzacja (Architecture Review): Definiowanie metod ewaluacji modeli, sposobów wdrażania AI features oraz tworzenie reużywalnych komponentów dla całej organizacji.
LLMOps & Monitoring: Zarządzanie procesami embeddingu i indeksowania (Vector DB) oraz monitorowanie jakości odpowiedzi i kosztów zużycia tokenów (LLM Cost Management).
🔍 Dekoder Ogłoszenia
🔴
balansować między rolą wizjonera technicznego a "buildera"
Oczekuje się, że będziesz zarówno tworzyć koncepcje, jak i aktywnie kodować i wdrażać rozwiązania.
🟡
budowa prototypów (POC)
Część pracy będzie polegać na szybkim tworzeniu dowodów koncepcji, które mogą nie być od razu produkcyjne.
🟡
debugging promptów i walka z halucynacjami modeli
Będziesz spędzać znaczną ilość czasu na dostrajaniu interakcji z modelami AI i rozwiązywaniu problemów związanych z ich błędnymi odpowiedziami.
🔴
narzucić standardy pracy wielu zespołom (PODom), nie blokując przy tym ich tempa dostarczania rozwiązań
Musisz być w stanie wpływać na inne zespoły i wprowadzać standardy, jednocześnie dbając o to, by nie spowalniać ich pracy.
🟡
głębokie zrozumienie trade-offów (jakość vs koszt vs latency)
Oczekuje się, że będziesz podejmować świadome decyzje, które uwzględniają różne, często sprzeczne, wymagania projektowe.