GenAI Engineer (LLM Applications on Azure)
Do uzgodnienia
Wymagania
- praktyczne, eksperckie doświadczenie w budowie aplikacji LLM i workflow agentowych
- doświadczenie z LangGraph / LangChain / Semantic Kernel na Azure OpenAI
- projektowanie pipeline'ów RAG (ingestion, chunking, embeddings, vector search, hybrid retrieval, re-ranking)
- integracja narzędzi przez MCP oraz function/tool calling, projektowanie systemów multi-agent
- ewaluacja promptów i modeli (accuracy, grounding, hallucination rate) oraz fine-tuning
- wdrażanie guardrails responsible-AI (filtry treści, PII redaction, policy checks) i observability LLM
- optymalizacja kosztów tokenów i inferencji (model routing, caching, batching) i raportowanie względem budżetów
Mile widziane
- AWS Bedrock / GCP Vertex
Opis stanowiska
Budowa aplikacji LLM i workflow agentowych na Azure OpenAI — pipeline'y RAG, orkiestracja multi-agent, integracja narzędzi przez MCP, ewaluacja, guardrails i kontrola kosztów. To rola dla doświadczonego inżyniera GenAI, który realnie odpowiada za jakość rozwiązania mierzoną ustalonymi progami ewaluacji i wyznacza standardy inżynierii GenAI dla całego projektu. Uwaga: 'expert-level' oznacza tu oczekiwanie głębokiej praktycznej wiedzy, nie tylko teoretycznego zrozumienia tematu.
🔍 Dekoder Ogłoszenia
🔴
Expert-level engineer
Oczekuje się od kandydata głębokiej, praktycznej wiedzy i doświadczenia, a nie tylko teoretycznego zrozumienia.
🔴
Sets the GenAI engineering standards for the account
Będziesz odpowiedzialny za definiowanie i egzekwowanie najlepszych praktyk w dziedzinie GenAI dla całego zespołu lub projektu.
🔴
accountable for solution quality against agreed evaluation thresholds
Twoja praca będzie mierzona konkretnymi, ustalonymi wskaźnikami jakości, a nie tylko subiektywną oceną.
🟡
fine-tuning where justified
Fine-tuning modeli będzie wykonywany tylko w uzasadnionych przypadkach, co sugeruje, że preferowane są inne metody optymalizacji lub gotowe modele.
🟢
mentor engineers adopting GenAI patterns
Oprócz pracy technicznej, będziesz również odpowiedzialny za dzielenie się wiedzą i wspieranie rozwoju innych członków zespołu w obszarze GenAI.