LLM / AI Engineer
NUMLABS
To rola inżyniera AI skupionego na budowie i wdrożeniu produkcyjnych systemów agentowych opartych na LLM. Będziesz projektować i optymalizować pipelines RAG (chunking, embedding, re-ranking, hybrid search), implementować agentów z tool-use i pamięcią, oraz monitorować jakość modeli w produkcji. Pracujesz w zespole Numlabs, który realizuje projekty AI dla klientów, głównie w środowisku Linux z Pythonem i frameworkami LangChain/LangGraph.
Brakuje: nie podano wielkości zespołu ani liczby inżynierów ai, brak informacji o tym, czy pracuje się na jednym czy wielu projektach jednocześnie.
To rola inżyniera AI skupionego na budowie i wdrożeniu produkcyjnych systemów agentowych opartych na LLM. Będziesz projektować i optymalizować pipelines RAG (chunking, embedding, re-ranking, hybrid search), implementować agentów z tool-use i pamięcią, oraz monitorować jakość modeli w produkcji. Pracujesz w zespole Numlabs, który realizuje projekty AI dla klientów, głównie w środowisku Linux z Pythonem i frameworkami LangChain/LangGraph.
- ✓Roczny budżet na kursy i szkolenia (konkretny benefit)
- ✓Wsparcie merytoryczne od liderów technologicznych i mentoring
- ✓Przestrzeń do eksperymentowania i udział w konferencjach
- ✓Wsparcie w przygotowaniu do bycia prelegentem
- ✓100% zdalnie z elastycznym czasem pracy
- !Brak informacji o wielkości zespołu i liczbie jednocześnie prowadzonych projektów
- !Nie określono, czy praca dotyczy jednego klienta, czy rotacji między projektami
- !Brak wzmianki o dyżurach on-call lub odpowiedzialności za awarie po godzinach
- !Opis 'brudna robota' może sugerować chaotyczne środowisko lub legacy code
- •Projektowanie i implementacja systemów multi-agent z tool-use i pamięcią
- •Budowa i optymalizacja pipeline'ów RAG (chunking, embedding, re-ranking, hybrid search)
- •Ewaluacja i monitorowanie jakości LLM za pomocą Langfuse i RAGAS
- •Codzienna praca w Linux – skrypty bash, automatyzacja, debugowanie na serwerach
- •Utrzymanie stabilności i obserwowalności modeli na produkcji (logi, traces, alerty)
- •Ścisła współpraca z product ownerem i innymi inżynierami (język polski i angielski)
- •Wdrażanie systemów AI na infrastrukturę (Docker, opcjonalnie Kubernetes)
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Inżynier z około 2-letnim doświadczeniem komercyjnym w LLM, który potrafi pisać czysty Python i ma praktykę z RAG oraz frameworkami agentowymi. Jest w stanie samodzielnie utrzymać pipeline'y w produkcji.
Nie dla juniorów bez komercyjnego doświadczenia z LLM ani osób preferujących pracę badawczą nad produkcyjną. Oferta wymaga samodzielności i gotowości do 'brudnej roboty' z modelami w produkcji.
- ?Ile osób liczy zespół AI i jak są rozdzielone role?
- ?Czy pracujemy nad jednym projektem, czy przechodzimy między klientami?
- ?Jak wygląda proces wdrożenia modeli na produkcję i kto odpowiada za monitoring?
- ?Czy istnieje system dyżurów on-call? Jak często?
- ?Jakie są oczekiwania co do znajomości chmury – czy GCP/Azure są używane na co dzień?
- ?Czy w zespole są osoby z doświadczeniem MLOps, czy sami budujemy pipeline CI/CD?
- ?Jak wygląda ewaluacja jakości LLM – czy stosujemy konkretne metryki i benchmarki?
- −Nie podano wielkości zespołu ani liczby inżynierów AI
- −Brak informacji o tym, czy pracuje się na jednym czy wielu projektach jednocześnie
- −Nie określono polityki on-call
- −Brak szczegółów dotyczących ścieżki kariery i awansu
Zespół specjalistów AI z silnym naciskiem na rozwój – wspierane są konferencje, mentoring, projekty open source i eksperymenty. Praca w Scrum z product ownerem, atmosfera ciągłego uczenia się.
Trzy etapy: rozmowa wstępna, następnie dwie rozmowy techniczne.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →