Starszy inżynier AI - systemy agentowe i potoki danych

Siedziba: Minneapolis, Minnesota Adres URL: http://collaboration.ai Kim jesteśmy Collaboration.Ai to skoncentrowana na misji firma zajmująca się oprogramowaniem i usługami opartymi na sztucznej inteligencji z siedzibą w Minnesocie, zatrudniająca pracowników, partnerów i klientów na całym świecie. Jednoczymy ludzi, technologię i cel, aby przyspieszyć przełomowe rozwiązania, które przekształcają branże, wzmacniają pozycję społeczności i tworzą bardziej zrównoważoną przyszłość. Współpracujemy z organizacjami w całym ekosystemie obronnym, pomagając im stawić czoła złożonym wyzwaniom i wprowadzać zmiany transformacyjne.

Nasze produkty NetworkOS - NetworkOS to platforma oparta na sztucznej inteligencji, która łączy w czasie rzeczywistym ludzi, cele, pomysły i wiedzę specjalistyczną, generując przydatne spostrzeżenia, które napędzają dalsze działania. CrowdVector - CrowdVector to zintegrowany rynek rozwiązań i platforma zarządzania innowacjami, która szybko odkrywa nowe pomysły i wprowadza przełomowe rozwiązania w zakresie napędzania ruchów. Aby dowiedzieć się o nas więcej, odwiedź stronę współpraca.ai.

Informacje o roli Będziesz budować systemy agentowe i potoki danych stanowiące podstawę możliwości sztucznej inteligencji NetworkOS: przepływy pracy agentów produkcyjnych zbudowane na wiodących w branży pakietach SDK i wiązkach agentów, serwerach MCP i standardach Agent Skills; warstwa oceny i obserwowalności, dzięki której jakość LLM jest mierzalna; oraz potoki przetwarzania, które przekształcają niechlujne, różnorodne źródła danych w wiedzę, którą można kwestionować. To jest miejsce egzekucji, a nie wieża z kości słoniowej. Co tydzień będziesz zatwierdzać kod, wysyłać agentów w ramach możliwości produktu, a nie wersji demonstracyjnych, i pomagać w kształtowaniu planu działania prowadzącego w głąb terytorium graph + agentów - dla klientów z sektora obronności, sektora publicznego i przedsiębiorstw regulowanych.

Agenci w produkcji. Rurociągi, które trzymają. Wartości, dzięki którym wszyscy są uczciwi.

Co będziesz robić Dostarczanie systemów agentów produkcyjnych - projektowanie, budowanie i obsługa agentycznych przepływów pracy (zestawy SDK agentów, serwery MCP, standardy Agent Skills) wspierające dopasowywanie, analizę i analizę danych oparte na sztucznej inteligencji Operacjonalizacja jakości LLM - budowanie warstwy ewaluacji i obserwowalności za pomocą Langfuse, złotych zbiorów danych, wzorców LLM jako sędziego i śledzenia w stylu FinOps, aby każdy przepływ pracy miał mierzalną jakość, koszt i opóźnienia Inżynierowie potoków danych - solidne pozyskiwanie dokumentów, danych strukturalnych i źródeł zewnętrznych do przeszukiwalnych baz wiedzy z walidacją jakości, deduplikacją i aktualizacjami przyrostowymi Własna jakość wyszukiwania - hybrydowe wyszukiwanie łączące wyszukiwanie wektorów, słów kluczowych i metadanych, stale ulepszane poprzez zmianę rankingu, rozszerzanie zapytań i kompresję kontekstową Przyspieszenie dzięki sztucznej inteligencji - tworzenie niestandardowych narzędzi MCP i umiejętności agentów, które sprawiają, że cały zespół inżynierów jest wymiernie szybszy Wykonywanie wraz z zespołem - współpraca z inżynierami pełnego stosu w punktach integracji AI, przyczynianie się do reagowania na incydenty dla usług AI i trzymaj ręce w kodzie. Nasze języki Tech Stack: Python (podstawowy); Kotlin (podstawowy język platformy w CAI); TypeScript/Node.js i inne języki współczesne (dodatkowe) AI/ML: FastAPI, Pydantic; pakiety LLM SDK dla wielu dostawców (Anthropic, OpenAI i inne) Agentic Tooling: Claude Code/Codex/etc.; wiodące w branży pakiety SDK i uprzęże agentów; serwery MCP; Standardy umiejętności agenta Operacje LLM: Langfuse + evals (złote zbiory danych, LLM-jako sędzia); wewnętrzne śledzenie FinOps (wykorzystanie tokena, opóźnienie, koszt); orkiestracja wielu dostawców, w tym AWS Bedrock Search & Retrieval: wektorowe bazy danych, OpenSearch, osadzanie modeli Dane: PostgreSQL, Amazon S3; potoki strumieniowe (Kafka/Kinesis) w razie potrzeby Infrastruktura: Docker, Kubernetes (AWS EKS); Obserwowalność DataDog + OpenTelemetry Czego szukamy Niezbędne wymagania Ponad 7 lat doświadczenia w profesjonalnej inżynierii oprogramowania, z czego ponad 3 lata w obszarze AI/ML lub inżynierii danych Doświadczenie w agentach produkcyjnych/aplikacjach LLM - budowane i obsługiwane systemy w oparciu o interfejsy API LLM (Anthropic, OpenAI) obsługujące rzeczywistych użytkowników: agentów, użycie narzędzi lub zorganizowane przepływy pracy LLM Znajomość inżynierii danych - solidne, skalowalne potoki dla obciążeń AI/ML Doświadczenie w operacjach LLM - ewaluacja i obserwowalność dla produkcyjnych systemów LLM (jakość, koszt, opóźnienie) Doświadczenie w wyszukiwaniu produkcji - wektorowe bazy danych i/lub wyszukiwarki (OpenSearch, Elasticsearch) Znajomość nowoczesnego stosu Pythona - FastAPI, Pydantic, async/await, nowoczesne zarządzanie zależnościami Przepływy pracy natywne dla sztucznej inteligencji - wykazana umiejętność wykorzystania Claude Code/Codex lub podobnych narzędzi do kodowania agentycznego w celu przyspieszenia programowania Doświadczenie z Dockerem, Kubernetesem i AWS Wymagane obywatelstwo amerykańskie (umowy DoD - Środowiska IL4/IL5 - i zgodność z FedRAMP) Nice-to-Haves Głębokie doświadczenie w ekosystemie agentów - standardy Agent Skills, niestandardowe serwery MCP, zestawy SDK agentów od głównych dostawców Zaawansowana wiedza RAG - GraphRAG, agentyczny RAG, pobieranie kontekstowe, strategie rerankingu Doświadczenie w zakresie danych grafowych - wykresy wiedzy, bazy danych grafów lub wyszukiwanie w oparciu o wykresy Wybór modelu i ustalanie praw autorskich - dopasowywanie modeli do przypadków użycia specyficznych dla domeny pod kątem kompromisów w zakresie jakości, kosztów i opóźnień Przesyłanie strumieniowe danych (Kafka, Kinesis) w celu aktualizacji bazy wiedzy w czasie rzeczywistym Doświadczenie badawcze, wkład w postaci oprogramowania typu open source lub zaawansowany stopień w zakresie ML/IR/NLP Dlaczego warto dołączyć do współpracy AI? Prawdziwa inżynieria AI, a nie sklep z opakowaniami.

Agenci produkcyjni, wyszukiwanie hybrydowe, ciągłe oceny i plan działania prowadzący do wykresu + agenci - z autonomią w kształtowaniu sposobu jego budowy. Domyślnie natywna sztuczna inteligencja. Budujemy z wykorzystaniem sztucznej inteligencji, a nie tylko dla sztucznej inteligencji.

Narzędzia do kodowania agentycznego (Claude Code/Codex itp.), zestawy SDK i wiązki przewodów agentów, serwery MCP i standardy Agent Skills to sposób, w jaki pracujemy na co dzień - zarówno będziecie z nich korzystać, jak i je budować. Praca, która ma znaczenie. Obrona, sektor publiczny i branże regulowane - zgodność z SOC 2 i NIST, gotowość FedRAMP i klienci, których misje wymagają sztucznej inteligencji, której mogą zaufać.

Mały, starszy zespół. Wpływ na Twoją pracę na wczesnym etapie widoczny od pierwszego tygodnia. Pomożesz tutaj ustawić poprzeczkę w zakresie inżynierii sztucznej inteligencji.

Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/senior-ai-engineer-agentic-systems-amp-data-pipelines-collaborationai