LLM / AI Engineer

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.