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 pracujemyPython 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 obserwowalności 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 obserwowalności 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.