Python AI Engineer (green building)
Britenet
Rola polega na budowaniu zaawansowanych rozwiązań AI z użyciem LLM-ów dla klienta z branży zielonego budownictwa. Będziesz projektować i wdrażać autonomiczne agenty AI, implementować RAG z bazami wektorowymi, optymalizować prompty oraz tworzyć frameworki ewaluacyjne. Choć w danych strukturalnych widnieje poziom 'junior', ogłoszenie wymaga 5+ lat doświadczenia komercyjnego w Pythonie i zaawansowanych umiejętności AI – to de facto rola seniorska.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano modelu pracy (zdalna/hybrydowa/stacjonarna), brak opisu procesu rekrutacyjnego.
Rola polega na budowaniu zaawansowanych rozwiązań AI z użyciem LLM-ów dla klienta z branży zielonego budownictwa. Będziesz projektować i wdrażać autonomiczne agenty AI, implementować RAG z bazami wektorowymi, optymalizować prompty oraz tworzyć frameworki ewaluacyjne. Choć w danych strukturalnych widnieje poziom 'junior', ogłoszenie wymaga 5+ lat doświadczenia komercyjnego w Pythonie i zaawansowanych umiejętności AI – to de facto rola seniorska.
- −Rozbieżność między poziomem 'junior' w danych strukturalnych a wymaganiem 5+ lat doświadczenia – oferta może być nieprecyzyjna lub kierowana do seniora
- −Brak widełek wynagrodzenia
- −Klienckie środowisko może oznaczać presję czasu i zmienne wymagania
- !Nie podano modelu pracy (zdalna/hybrydowa/stacjonarna) – brak informacji o lokalizacji biura
- !Nie określono wielkości zespołu ani struktury projektu
- !Brak opisu procesu rekrutacyjnego
- !Szeroki zakres technologii (wiele frameworków AI) – ryzyko, że wymagania są listą życzeń
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Implementacja potoków RAG z użyciem wektorowych baz danych (Pinecone, Weaviate, Milvus, Pgvector)
- •Budowa autonomicznych agentów AI wykorzystujących tool-calling i wieloetapowe wnioskowanie (LangGraph, LangChain)
- •Projektowanie i optymalizacja promptów oraz strukturyzowanych wyjść (JSON, Pydantic, Instructor)
- •Tworzenie frameworków ewaluacyjnych do pomiaru relewancji, spójności, latencji i kosztów modeli
- •Integracja LLM-ów z istniejącymi systemami poprzez mikrousługi lub workflow engine
- •Implementacja testów (pytest) i utrzymanie jakości kodu (czysty kod, architektura modularna)
- •Współpraca z interesariuszami biznesowymi nad definiowaniem wymagań i doborem odpowiednich wzorców AI
- •Uruchamianie i monitorowanie rozwiązań AI w środowisku produkcyjnym na chmurze (Azure/AWS/GCP)
Oferta odpowiednia dla osób na początku kariery w IT.
Inżynier z 5+ latami w Pythonie i przynajmniej 2 latami praktyki z LangChain/RAG, który ma doświadczenie w produkcji z LLM-ami, ale może nie mieć jeszcze pełnego end-to-end delivery.
Nie dla osób z mniej niż 5 latami komercyjnego doświadczenia w Pythonie, ani dla juniorów/midów bez głębokiej wiedzy o LLM-ach i agentach. Rola wymaga samodzielności i umiejętności pracy z klientem.
- ?Jaki jest model pracy (zdalna, hybrydowa, stacjonarna)? Jeśli hybrydowa – ile dni w biurze?
- ?Ile osób liczy zespół AI i jak jest podzielone kompetencje (backend, ML, devops)?
- ?Czy to długoterminowy projekt kliencki, a jeśli tak, to jaka jest przewidywana rotacja?
- ?Jak wygląda proces rekrutacyjny – ile etapów, czy jest zadanie domowe, live coding?
- ?Czy przewidziane są dyżury on-call? Jeśli tak, jaka jest częstotliwość i rekompensata?
- ?Jakie są plany rozwojowe dla tego projektu – czy AI będzie rozwijane wewnętrznie, czy tylko wdrożenie?
- ?Czy istnieje możliwość pracy na własnym sprzęcie, czy firma zapewnia?
- ?Jaki jest budżet szkoleniowy i dostęp do narzędzi (np. kredyty na API OpenAI)?
- −Nie podano modelu pracy (zdalna/hybrydowa/stacjonarna)
- −Brak opisu procesu rekrutacyjnego
- −Nieznana wielkość zespołu
- −Brak informacji o on-call
- −Nie podano widełek wynagrodzenia
- −Brak informacji o budżecie szkoleniowym