Nasze wymagania
Rozwój oprogramowania:
* Minimum 3-5 lat doświadczenia w tworzeniu aplikacji backendowych lub rozwiązań opartych o AI
* Bardzo dobra znajomość: Python, Git, API Design, testowania oprogramowania
* Doświadczenie w budowie i utrzymaniu aplikacji produkcyjnych
Generative AI i Agentic AI:
* Praktyczne doświadczenie z aplikacjami wykorzystującymi modele LLM
* Znajomość:
- Prompt Engineering,
- Context Engineering,
- Retrieval-Augmented Generation (RAG),
- Agent Orchestration,
- Tool Calling,
- Structured Outputs,
- Evaluation Frameworks
* Umiejętność projektowania architektury agentów AI oraz przepływów wieloagentowych
* Doświadczenie w optymalizacji jakości odpowiedzi modeli i ograniczaniu ryzyka halucynacji
Platforma i integracje:
* Znajomość Docker oraz konteneryzacji aplikacji
* Znajomość SQL oraz relacyjnych baz danych
* Umiejętność projektowania i integracji REST API
* Doświadczenie w analizie logów i diagnostyce błędów aplikacyjnych
* Znajomość zasad bezpiecznego tworzenia oprogramowania
Mile widziane
- LangGraph; LangChain; MLflow; PostgreSQL; SQLAlchemy; Alembic; uv; pytest; Ruff; basedpyright; GitHub Actions; Azure Container Apps; Azure AI Foundry; OpenTelemetry; MCP (Model Context Protocol)
Twój zakres obowiązków
Projektowanie rozwiązań AI:
- Projektowanie i implementacja architektury agentów AI oraz aplikacji opartych o modele generatywne
- Dobór i implementacja wzorców agentowych, przepływów wieloetapowych oraz mechanizmów orkiestracji
- Projektowanie kontekstu działania agentów (Context Engineering), strategii Retrieval-Augmented Generation (RAG), wykorzystania narzędzi (Tool Calling) oraz zarządzania pamięcią i stanem konwersacji
- Projektowanie schematów odpowiedzi, mechanizmów walidacji oraz kontroli jakości generowanych odpowiedzi
Rozwój i implementacja:
- Tworzenie rozwiązań w oparciu o Agent Template oraz biblioteki dostarczane przez AI Platform
- Implementacja przepływów LangGraph, promptów, narzędzi i logiki biznesowej agentów
- Integracja modeli poprzez AI Gateway oraz dostępnych źródeł wiedzy organizacyjnej
- Implementacja integracji API oraz połączeń z systemami biznesowymi
- Zarządzanie konfiguracją agentów, promptów, zestawów wiedzy oraz reguł wykonania
Testowanie i jakość:
- Przygotowywanie testów jednostkowych, integracyjnych i ewaluacyjnych
- Walidacja jakości odpowiedzi modeli oraz zachowania agentów w różnych scenariuszach
Testowanie przypadków (halucynacji, niepoprawnych odpowiedzi, braków wiedzy, regresji funkcjonalnej,
handoff do człowieka)
- Definiowanie kryteriów jakości oraz akceptacji rozwiązań AI
Monitoring i optymalizacja:
- Implementacja monitoringu jakości, kosztów i wydajności rozwiązań AI
- Analiza logów, śladów wykonania (traces) i metryk działania agentów
- Optymalizacja kosztów wykorzystania modeli oraz szybkości działania aplikacji
- Wersjonowanie kodu, promptów, konfiguracji oraz zestawów testowych
Współpraca i wdrożenia:
- Przygotowywanie aplikacji do wdrożenia poprzez kontenery Docker
- Udział w code review i przeglądach architektonicznych
- Współpraca z AI Platform Engineer przy wdrożeniach produkcyjnych
- Tworzenie przykładów, wzorców implementacyjnych i materiałów wspierających onboarding kolejnych zespołów deweloperskich