LLM Engineer (RAG, Agents, Graph AI)
PeopleTrust
Rola polega na budowie produkcyjnych systemów opartych na LLM do automatycznej modernizacji legacy kodu (Oracle/PLSQL). Nie jest to prompt engineering, lecz deep-tech: projektujesz architektury RAG (w tym Graph RAG), systemy multi-agent, pętle uczenia się z feedbackiem i ewaluację modeli. Pracujesz w interdyscyplinarnym zespole (AI + backend + legacy + DevOps) i masz realny wpływ na architekturę.
Brakuje: brak opisu procesu rekrutacyjnego (etapy, zadanie domowe, live coding), nie podano benefitów pozapłaconych (np. urlop, karta sportowa, szkolenia).
Rola polega na budowie produkcyjnych systemów opartych na LLM do automatycznej modernizacji legacy kodu (Oracle/PLSQL). Nie jest to prompt engineering, lecz deep-tech: projektujesz architektury RAG (w tym Graph RAG), systemy multi-agent, pętle uczenia się z feedbackiem i ewaluację modeli. Pracujesz w interdyscyplinarnym zespole (AI + backend + legacy + DevOps) i masz realny wpływ na architekturę.
- ✓Realny produkt z globalnym potencjałem, nie demo AI
- ✓Wpływ na architekturę systemów AI
- ✓Przestrzeń na eksperymenty i research
- ✓Kultura feedbacku i challengowania rozwiązań
- −Wymagana bardzo szeroka gama umiejętności (fine-tuning, RAG, agenci, ewaluacja, backend, MLOps) – może być trudno znaleźć osobę spełniającą wszystkie
- −Praca z legacy systemami (Oracle/PLSQL) może być frustrująca dla osób nielubiących starego kodu
- −Brak informacji o procesie rekrutacyjnym
- !Nie podano wielkości zespołu AI/ML ani struktury raportowania
- !Nie ma wzmianki o dyżurach on-call ani SLA
- !Duży plus za AI coding agents – może oznaczać, że to kluczowe dla roli, a nie tylko miłe
- •Budowa i rozwój systemów RAG, w tym Graph RAG z integracją baz grafowych (np. Neo4j)
- •Projektowanie architektur agentowych (multi-agent systems) z użyciem function calling
- •Tworzenie pętli uczenia (feedback loops) z wykorzystaniem reinforcement learning / RLHF
- •Fine-tuning modeli LLM pod konkretne use-case’y modernizacji kodu
- •Projektowanie promptów i strategii kontekstowych (chunking, retrieval, memory management)
- •Budowa systemów ewaluacji modeli (metryki, monitoring, wykrywanie halucynacji)
- •Integracja narzędzi (tools) wykorzystywanych przez agentów (np. code executory, API)
- •Implementacja pipeline’ów MLOps dla deploymentu i monitoringu modeli w produkcji
Oferta dla doświadczonych specjalistów (Senior).
Inżynier AI z co najmniej 5-letnim stażem, który zbudował i wdrożył przynajmniej jeden produkcyjny system RAG oraz przeprowadził fine-tuning modelu. Potrafi projektować agentów i ewaluować modele, a jego kod jest produkcyjnej jakości.
Juniorzy, osoby szukające pracy badawczej (research) bez odpowiedzialności inżynieryjnej, ani osoby niechętne do pracy z legacy systemami Oracle/PLSQL.
- ?Ile osób liczy zespół AI/ML i jaka jest struktura (kto raportuje do kogo)?
- ?Jaki jest stosunek pracy nad nowymi rozwiązaniami do utrzymania legacy?
- ?Jakie są konkretne narzędzia i frameworki używane (LangChain, LlamaIndex, itp.)?
- ?Czy oferujecie dostęp do GPU lub kredyty cloud do trenowania modeli?
- ?Jak wygląda proces wdrażania modeli do produkcji (CI/CD, monitoring)?
- ?Czy są przewidziane dyżury on-call i jaka jest ich częstotliwość?
- ?Jaki jest model współpracy z właścicielem produktu (product owner)?
- −Brak opisu procesu rekrutacyjnego (etapy, zadanie domowe, live coding)
- −Nie podano benefitów pozapłaconych (np. urlop, karta sportowa, szkolenia)
- −Brak informacji o podejściu do on-call i oczekiwanej dostępności
- −Nie wiadomo, jaka jest wielkość zespołu i liczba inżynierów LLM
- −Brak wzmianki o stosie technologicznym poza LLM i Oracle (np. języki programowania, frameworki)
Kultura oparta na feedbacku, challengowaniu rozwiązań i eksperymentowaniu. Praca interdyscyplinarna (AI + backend + legacy + DevOps) z bliskością produktu i realnym wpływem na decyzje technologiczne.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię LLM. Pełne statystyki zarobków →