LLM / AI Engineer
⚲ Kraków, Warszawa, Gdańsk, Wrocław, Poznań
Do uzgodnienia
Wymagania
- Large Language Models
- Pythona
- RAG
- Langchain
- Langgraph
- CrewAI
- qdrant
- Weaviate
- Linux
- Google Cloud Platform
Opis stanowiska
Budujemy systemy agentowe, które naprawdę działają na produkcji. Szukamy inżyniera, który nie boi się brudnej roboty z modelami językowymi — od prototypu po wdrożenie produkcyjne. Będziesz projektować i budować pipelines RAG, systemy agentowe oraz dbać o ich jakość i stabilność w czasie. Pracujemy głównie na Linuksie, piszemy porządny Python i monitorujemy każdy token.
Stack, z którym pracujemy
Python 3.11+, LangChain / LangGraph,OpenAI API, Langfuse, RAGAS, Vertex AI, Azure OpenAI, Qdrant, Docker, Linux / Ubuntu, Git, FastAPI
Zakres obowiązków
• Projektowanie i implementacja systemów agentowych opartych na LLM (multi-agent, tool-use, memory)
• Budowanie i optymalizacja pipeline’ów RAG — chunking, embedding, re-ranking, hybrid search
• Ewaluacja i monitorowanie jakości systemów AI przy użyciu narzędzi takich jak Langfuse i RAGAS
• Codzienna praca w środowisku Linux — skrypty, automatyzacja, debugowanie na serwerach
• Utrzymanie stabilności i obserwowaln ości modeli na produkcji (logi, traces, alerty)
• Ścisła współpraca z product ownerem i innymi inżynierami — po polsku i angielsku
Nasze wymagania
• Min. 2 lata komercyjnego doświadczenia z LLM — prompt engineering, fine-tuning, ewaluacja
• Solidna znajomość Pythona — piszesz testowalny, czytelny kod, nie tylko skrypty
• Praktyczne doświadczenie z RAG — wiesz co to dense i sparse retrieval i kiedy co wybrać
• Znajomość frameworków agentowych (LangChain, LangGraph, CrewAI lub podobnych)
• Doświadczenie z narzędziami do ewaluacji i obserwowaln ości LLM (Langfuse, RAGAS, Arize lub inne)
• Doświadczenie z vector databases — Qdrant, Weaviate, pgvector lub podobnymi
• Pewna praca w środowisku Linux — bash, SSH, praca na zdalnych maszynach
• Biegła znajomość języka polskiego i angielskiego (komunikacja z zespołem i dokumentacja)
Mile widziane
• Znajomość Google Cloud i ekosystemu Vertex AI (Vertex AI Studio, Matching Engine, Gemini API)
• Doświadczenie z Azure AI / Azure OpenAI Service i integracją z innymi usługami Azure
• Rozumienie koncepcji MLOps — CI/CD dla modeli, wersjonowanie, rejestry artefaktów
• Znajomość konteneryzacji (Docker, Kubernetes) i podstaw IaC (Terraform)
Oferujemy:
• Roczny budżet na kursy i szkolenia.
• Elastyczne środowisko pracy - 100% zdalnie.
• Dofinansowanie do karty Multisport.
• Solidne wsparcie merytoryczne i praktyczne – jesteśmy oddani ciągłemu uczeniu się.
• Pracę w szybko rozwijającej się branży związanej z AI, ML i Data Science.
Stack, z którym pracujemy
Python 3.11+, LangChain / LangGraph,OpenAI API, Langfuse, RAGAS, Vertex AI, Azure OpenAI, Qdrant, Docker, Linux / Ubuntu, Git, FastAPI
Zakres obowiązków
• Projektowanie i implementacja systemów agentowych opartych na LLM (multi-agent, tool-use, memory)
• Budowanie i optymalizacja pipeline’ów RAG — chunking, embedding, re-ranking, hybrid search
• Ewaluacja i monitorowanie jakości systemów AI przy użyciu narzędzi takich jak Langfuse i RAGAS
• Codzienna praca w środowisku Linux — skrypty, automatyzacja, debugowanie na serwerach
• Utrzymanie stabilności i obserwowaln ości modeli na produkcji (logi, traces, alerty)
• Ścisła współpraca z product ownerem i innymi inżynierami — po polsku i angielsku
Nasze wymagania
• Min. 2 lata komercyjnego doświadczenia z LLM — prompt engineering, fine-tuning, ewaluacja
• Solidna znajomość Pythona — piszesz testowalny, czytelny kod, nie tylko skrypty
• Praktyczne doświadczenie z RAG — wiesz co to dense i sparse retrieval i kiedy co wybrać
• Znajomość frameworków agentowych (LangChain, LangGraph, CrewAI lub podobnych)
• Doświadczenie z narzędziami do ewaluacji i obserwowaln ości LLM (Langfuse, RAGAS, Arize lub inne)
• Doświadczenie z vector databases — Qdrant, Weaviate, pgvector lub podobnymi
• Pewna praca w środowisku Linux — bash, SSH, praca na zdalnych maszynach
• Biegła znajomość języka polskiego i angielskiego (komunikacja z zespołem i dokumentacja)
Mile widziane
• Znajomość Google Cloud i ekosystemu Vertex AI (Vertex AI Studio, Matching Engine, Gemini API)
• Doświadczenie z Azure AI / Azure OpenAI Service i integracją z innymi usługami Azure
• Rozumienie koncepcji MLOps — CI/CD dla modeli, wersjonowanie, rejestry artefaktów
• Znajomość konteneryzacji (Docker, Kubernetes) i podstaw IaC (Terraform)
Oferujemy:
• Roczny budżet na kursy i szkolenia.
• Elastyczne środowisko pracy - 100% zdalnie.
• Dofinansowanie do karty Multisport.
• Solidne wsparcie merytoryczne i praktyczne – jesteśmy oddani ciągłemu uczeniu się.
• Pracę w szybko rozwijającej się branży związanej z AI, ML i Data Science.
🔍 Dekoder Ogłoszenia
🔴
nie boi się brudnej roboty z modelami językowymi — od prototypu po wdrożenie produkcyjne
Oczekuje się, że będziesz zajmować się nie tylko teoretycznym projektowaniem, ale także praktycznym rozwiązywaniem problemów, debugowaniem i utrzymaniem systemów w działaniu, co może oznaczać pracę z niedoskonałymi danymi lub modelami.
🟡
piszemy porządny Python
Oprócz pisania kodu, oczekuje się dbałości o jakość, czytelność, testowalność i zgodność z dobrymi praktykami programistycznymi, a nie tylko tworzenia działających skryptów.
🔴
monitorujemy każdy token
Oznacza to bardzo szczegółowe śledzenie i analizę działania modeli, co może wiązać się z dużą ilością danych do przetwarzania i analizy, a także potencjalnie z problemami z kosztami przy intensywnym użyciu API.
🔴
Codzienna praca w środowisku Linux — skrypty, automatyzacja, debugowanie na serwerach
Oprócz podstawowych zadań, spodziewaj się częstego rozwiązywania problemów bezpośrednio na serwerach produkcyjnych, co może wymagać głębokiej wiedzy systemowej i umiejętności szybkiego reagowania na awarie.
🟡
Ścisła współpraca z product ownerem i innymi inżynierami — po polsku i angielsku
Oprócz technicznych obowiązków, kluczowa będzie komunikacja i umiejętność jasnego przedstawiania złożonych zagadnień technicznych zarówno w języku polskim, jak i angielskim, co może wymagać dodatkowego wysiłku.