ML- und Agentensystemingenieur (IC4)

Wer wir sind

Unsere Mission ist es, Klarheit und Kontrolle in die komplexesten Codebasen der Welt zu bringen. KI beschleunigt die Codeerstellung, aber die Infrastruktur, um diesen Code zu verstehen, zu überwachen und weiterzuentwickeln, hat nicht damit Schritt gehalten. Sourcegraph bietet Ingenieursorganisationen vollständige Transparenz über ihre Systeme, präzisen Kontext für ihre Agenten und die Möglichkeit, koordinierte Codeänderungen in großem Maßstab durchzuführen. Da die Agentenentwicklung zum vorherrschenden Engineering-Paradigma wird, stellen wir Teams die Kontextschicht bereit, die sie benötigen, um die Kontrolle über ihre Codebasis zu übernehmen.

Mit Code Search, Deep Search, MCP und Agentic Batch Changes erfüllen wir diese Mission heute – wir geben Ingenieurteams und ihren KI-Tools den Repository-übergreifenden Kontext, um sicher durch riesige Codebasen zu navigieren, und die Möglichkeit, Änderungen in Hunderten von Repositorys gleichzeitig vorzunehmen.

Unternehmen wie Stripe, Reddit und Leidos verlassen sich auf Sourcegraph, um schneller und mit höherer Qualität zu liefern. Wir werden von a16z, Sequoia und Redpoint unterstützt und sind stolz darauf, als weltweit verteiltes Team zu agieren, das hohe Handlungskompetenz, direkte Kommunikation und Kundenliebe schätzt.

Wenn Sie die Infrastruktur aufbauen möchten, die es jedem Engineering-Team – und jedem von ihm bereitgestellten Agenten – ermöglicht, sicher mit seiner Codebasis zu arbeiten, schließen Sie sich uns an.

Öffnungszeiten und Ort

Obwohl wir fast überall auf der Welt Mitarbeiter einstellen, bevorzugen wir für diese Stelle jemanden, der an den folgenden Standorten wohnt. Wenn Sie sich jedoch qualifiziert fühlen, können Sie sich gerne ortsunabhängig bewerben. In jedem Fall muss sich die Arbeitszeit mindestens 20 Stunden pro Woche mit der EST überschneiden.

Bevorzugte Standorte:

• USA

Warum dieser Job spannend ist

Sourcegraph ist führend bei der Entwicklung von KI-Tools zur Lösung der größten Probleme in der Softwarebranche, Probleme, die nur noch größer werden, je größer die Codebasis wird und je mehr Arbeit von Agenten erledigt wird. Das Code Understanding-Team besitzt die Oberflächen, auf denen diese Informationen auf den Entwickler treffen: Deep Search, unsere agentische, mehrstufige Antwortmaschine für die gesamte Codebasis eines Unternehmens, Query Assist, das Abfragen in natürlicher Sprache in Sourcegraph-Abfragesyntax umwandelt, Smart Hovers, das Symbole genau dort zusammenfasst, wo Entwickler sie benötigen, geführte Diff-Überprüfung und die APIs, auf die sich sowohl Menschen als auch KI-Agenten täglich verlassen.

Das meiste, was diese Oberflächen ausmacht, ist Agenten-Engineering: eine Mischung aus Software-Engineering, maschinellem Lernen und Statistik. Das Agenten-Engineering sagt uns, welches Modell wann verwendet werden soll, wie der Kontext abgerufen und gepackt wird, wie die Antwortqualität gemessen wird, wo eine Feinabstimmung oder Destillation eines kleineren Modells zur Reduzierung von Kosten und Latenz erforderlich ist und wie ein einzelner LLM-Anruf zu einem zuverlässigen mehrstufigen Agenten erweitert werden kann. Als ML- und Agent-Ingenieur für Code Understanding sind Sie der technische Eigentümer: Sie geben die Richtung des Teams für Modelle, Bewertungen und Agentensysteme vor, machen unsere Produkte messbar besser, schneller und billiger und verbessern die Beherrschung des Teams beim Erstellen mit Modellen.

Dies ist eine Position auf Mitarbeiterebene: Wir stellen einen technischen Leiter ein, nicht nur einen starken einzelnen Mitarbeiter. Der Hauptbedarf besteht in einer Produktions-ML- und Evaluierungsbehörde, die auch Produktionsagentensysteme aufbaut. Sie sind für die schwierigsten und unklarsten Probleme in diesem Bereich verantwortlich, setzen Standards, denen andere folgen, und beeinflussen die Richtung über Ihr unmittelbares Team hinaus. Sie erhalten die aufregende Gelegenheit, die Vision voranzutreiben, wie wir das beste Code-Verständnis-Erlebnis auf dem Markt bieten können, indem wir unsere deterministischen Großsysteme und KI zu noch nie dagewesenen Erfahrungen kombinieren.

Konkret besitzen Sie Arbeiten wie:

• Agentensysteme. Sie entwerfen und härten die mehrstufigen, Tool nutzenden Agentenschleifen hinter aktuellen und neuen Agentenerfahrungen und verwandeln Forschung und Experimente in zuverlässige, beobachtbare und erschwingliche Produkte auf Unternehmensebene.

• Pragmatischer Einsatz von Evaluationen. Bei der Herstellung von Wirkstoffprodukten muss man erkennen, wann eine Änderung tatsächlich geholfen hat, was schwierig ist, wenn sich die Wirkstoffe ständig ändern und das Produkt sich ständig verändert. Sie entscheiden darüber, wo sich Bewertungen lohnen, wann gezielte Rauchtests und -metriken eingesetzt werden sollten und wie man als Strenge getarnten Lärm vermeidet, damit wir schnell und mit Zuversicht vorgehen können.

• Modelle: Auswahl, Upgrade und Schulung. Sie entscheiden, welche Modelle wir wo einsetzen, treiben Upgrades voran und optimieren unsere eigenen Modelle, wenn es die richtige Entscheidung ist.

• Retrieval und Kontext-Engineering. Sie werden die Art und Weise vorantreiben, wie wir Modelle im Code eines Kunden verankern – Abruf, Ranking, Kontextfenster, Zitate –, um Antworten genauer und überprüfbarer zu machen.

• Kosten und Latenz. Jede Oberfläche verfügt über ein wirtschaftliches Budget pro Benutzer. Sie behandeln Kosten und Latenz als Produktfunktionen und profilieren, destillieren, zwischenspeichern und passen Modelle in die richtige Größe, damit wir anspruchsvolle Funktionen nachhaltig liefern können.

Sie erledigen dies in einem kleinen, hochrangigen Team, das schnell versendet, viel Produktoberfläche besitzt und über ein optimiertes Produktmanagement verfügt: Die Ingenieure hier sprechen mit den Kunden, formulieren das Problem und kümmern sich durchgängig darum. Sie haben echte Entscheidungsfreiheit bei der technischen Leitung und haben einen direkten Draht zur Wirkung Ihrer Arbeit.

Innerhalb eines Monats werden Sie…

• Lassen Sie die Code Understanding-Produkte und ihre Modell-/Agent-Pipelines durchgängig lokal laufen und erzielen Sie erste Verbesserungen an einem Modell, einer Eingabeaufforderung, einem Abrufpfad oder einer Bewertung.

• Machen Sie sich ein klares Bild davon, wo die Probleme bei der KI-Technik liegen und welche Produktoberflächen dadurch am meisten eingeschränkt werden.

• Lernen Sie das Team und unsere Kunden kennen und bilden Sie sich Ihre eigene Meinung darüber, wohin unsere Wirkstoffprodukte als nächstes gehen sollten.

• Nehmen Sie am Bereitschaftsdienst des Teams teil.

Innerhalb von drei Monaten werden Sie…

• Besitzen Sie einen aussagekräftigen Agentenanteil des End-to-End-Produkts und steuern Sie es von der Problemstellung bis zur Einführung und Messung.

• Legen Sie fest, wie das Team Modelländerungen verantwortungsvoll umsetzt und veranlasst: die Auswertungen, Dashboards und Leitplanken, die Qualitäts- und Kostenrückgänge sichtbar machen, bevor Kunden sie spüren.…

Quelle: Jobspresso (https://jobspresso.co/job/ml-agentic-systems-engineer-ic4/)