KI-Softwareentwickler

Über ExTrac
ExTrac ist ein Entscheidungsintelligenzunternehmen, das von Regierungen, Verteidigungsorganisationen, Finanzinstituten und Unternehmen eingesetzt wird, die in komplexen, sich schnell verändernden Umgebungen tätig sind. Unsere Fähigkeiten vereinen kuratierte Datenquellen, domänenspezifische KI und umfassendes menschliches Fachwissen, um die Informationsflut in klare, umsetzbare Prognosen umzuwandeln.
Unser Ziel ist es, das analytische Rückgrat zu werden, auf das sich Unternehmen verlassen können, wenn geopolitische Unsicherheit zu einer Chance oder einem strategischen Risiko wird. Mehr unter extrac.ai.

Die Rolle
Wir suchen einen Software-Ingenieur, der sich dem KI-Team von ExTrac anschließt und Co-Analyst und die damit verbundenen analytischen KI-Funktionen aufbaut.
Co-Analyst ist ein benutzerorientiertes Multi-Agenten-System, das mit Geheimdienstanalysten zusammenarbeitet, um zu recherchieren und Berichte zu schreiben. Eine Planungsschleife zerlegt die Frage eines Analysten, die Fans arbeiten sie an Unteragenten aus und fügt die Ergebnisse in einem Bericht zusammen, in dem jeder Anspruch auf den Teil der Quelle zurückgeführt wird, aus dem er stammt. Darunter verbirgt sich eine hybride Retrieval-Funktion über einem großen unstrukturierten Korpus: Die Absicht des Analysten wird in strukturierte Filter übersetzt, kombiniert mit einer Schlüsselwort- und dichten Vektorsuche über mehrere Sprachen und Medientypen hinweg.
Die Agentenarbeit ist das Herzstück, aber nicht der ganze Job. In einem einzigen Quartal umfasst die Arbeit die Agenten-Orchestrierung, den Abruf, die Diagrammanalyse und lang laufende Streaming-Pipelines sowie die darunter liegenden Dienste und Datenbanken. Sie besitzen durchgängig klar definierte Funktionen und Komponenten in einer Python- und Go-Codebasis und arbeiten mit leitenden Ingenieuren zusammen, die die technische Richtung festlegen, dem Datenteam, das die Aufnahmepipelines besitzt, und einem forschungsorientierten ML-Team, das die von uns integrierten und bereitgestellten Modelle trainiert und bewertet. Die Schleife ist kurz: Das Produkt bringt eine Idee mit, die oft neu und unbewiesen ist, und unsere Aufgabe ist es, eine Implementierung voranzutreiben und sie in eine Produktionsfunktion zu überführen. Fast wöchentlich kommen neue Features hinzu.
Mit dieser Einstellung soll die Kapazität für die schwierigen Probleme des KI-Teams erweitert werden: ein Ingenieur, der selbstständig gut abgegrenzte Funktionen und Komponenten liefern kann und der darauf hinarbeitet, einen größeren Teil des End-to-End-Systems zu besitzen.

Was der Job beinhaltet
Agentische und analytische KI-Funktionen

• Erstellen und verbessern Sie Komponenten der Agentenschleife selbst: Kontextassemblierung, Toolauswahl und Subagentenorchestrierung, unter Anleitung leitender Ingenieure im Team.

• Erstellen Sie die begleitenden analytischen KI-Funktionen, vom Netzwerkaufbau bis hin zu den Zusammenfassungen, die Analysten lesen.

• Helfen Sie zu beweisen, dass Änderungen Verbesserungen sind, indem Sie Experimente mit Live-Analystenverkehr hinter Feature-Flags durchführen.

• Tragen Sie dazu bei, sich darauf zu einigen, was „besser“ für eine Fähigkeit bedeutet, und melden Sie sich ehrlich, wenn Beweise dafür sprechen, dass ein vielversprechender Ansatz nicht funktioniert.

• Arbeiten Sie mit Einbettungen als mehr als einem Abrufproblem. Dieselben Vektoren treiben den Netzwerkaufbau und die Community-Erkennung voran.

• Arbeiten Sie innerhalb eines modellunabhängigen Designs und tauschen Sie Modelle und Einbettungen auf der Grundlage der Bewertungen des ML-Teams aus, anstatt sich an eines zu binden.

Servicedesign und -bereitstellung

• Nehmen Sie ein klar definiertes Problem, klären Sie die Anforderungen mit Ihrem Leiter oder einem leitenden Ingenieur und übergeben Sie es an die Produktion mit regelmäßigen Check-ins und nicht unter strenger Aufsicht.

• Eigene Funktionen und Komponenten innerhalb eines einzigen Systems, die zu Systemdesign- und Architekturdiskussionen beitragen und einen größeren Teil der Designarbeit übernehmen, während Sie den Kontext erstellen.

• Erstellen und pflegen Sie APIs, die von internen Teams und Kunden verwendet werden, und befolgen Sie dabei etablierte Verträge und Versionierungskonventionen.

• Arbeiten Sie mit der Speicherschicht als Designanliegen und nicht als Implementierungsdetail: Schema, Indizierungsstrategie und Zugriffsmuster über relationale, Dokument- und Vektorspeicher hinweg.

Produktionstechnik

• Erstellen und betreiben Sie unterstützende Dienste für Python und Go, mit zunehmender Verantwortung für Design, Bereitstellung und Betrieb, während Sie eine Erfolgsbilanz aufbauen.

• Helfen Sie dabei, Agenten-Workflows hinsichtlich Latenz, Kosten und Zuverlässigkeit an Produktionsstandards zu halten, in einem System, in dem Nichtdeterminismus eine Selbstverständlichkeit ist.

• Erstellen und betreiben Sie Streaming-Pipelines mit langer Laufzeit, einschließlich des Caching- und Wiederherstellungsverhaltens, das sie überlebensfähig macht.

Zusammenarbeit mit Analysten, Produkten und dem ML-Team

• Arbeiten Sie direkt mit den Analysten zusammen, die unsere Produkte verwenden, und setzen Sie die Ergebnisse in der Praxis in Änderungen im System um.

• Führen Sie schnelle Iterationen anhand eines Live-Streams von Produktanfragen durch und kennzeichnen Sie, wo sie mit längerfristigen Kapazitätsarbeiten kollidieren.

• Arbeiten Sie mit dem ML-Team an Agentenansätzen zusammen, helfen Sie dabei, bewährte Konzepte in die Produktion zu bringen und die technischen, Leistungs- und Zuverlässigkeitsprobleme zu lösen, die bei einer Forschungsimplementierung nicht auftreten müssen.

• Helfen Sie bei der Integration und Bereitstellung der von ihnen trainierten Modelle und tragen Sie zur Produktionsinfrastruktur bei, auf der ihre Bewertungsrahmen laufen.

Sie sollten sich bewerben, wenn

• Sie haben Produktions-Backend-Systeme erstellt und daran gearbeitet und möchten dies auch weiterhin tun. Sie werden mehr Zeit mit Python- und Go-Diensten, Datenbanken und APIs verbringen als mit einer Eingabeaufforderungsdatei, und Sie kennen den Unterschied zwischen etwas, das sich gut demonstrieren lässt, und etwas, das unter Produktionslast, Latenz und Kosten standhält.

• Sie können unabhängig an klar definierten Problemen arbeiten und wissen, wann Sie Unklarheiten melden oder um Eingaben bitten müssen, anstatt zu raten. Wenn der offensichtliche Ansatz fehlschlägt, suchen Sie nach einem anderen, bevor Sie eskalieren.

• Sie sind neugierig auf Agenten-Frameworks und das komfortable Arbeiten ohne Agenten-Frameworks. Erfahrung mit ihnen ist nützlich, aber wir bauen den Großteil unserer Orchestrierung selbst auf, da Standardabstraktionen unseren Anforderungen an Evaluierung, Steuerung und Produktionsleistung nicht standgehalten haben.

• Sie können eine aktuelle Technik oder einen aktuellen Aufsatz heranziehen, dabei helfen, eine Implementierung voranzutreiben, und klar darlegen, ob es sich lohnt, weiterzumachen.

• Sie vertrauen einer Veränderung erst, wenn Sie sie gemessen haben. Der Griff zur Bewertung ist eher ein Instinkt als ein nachträglicher Einfall.…

Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/extracai/ai-software-engineer-london-230361)