Inżynier oprogramowania AI

O ExTracu
ExTrac to firma zajmująca się analizą decyzji, z której korzystają rządy, organizacje obronne, instytucje finansowe i korporacje działające w złożonych, szybko zmieniających się środowiskach. Nasze możliwości łączą wyselekcjonowane źródła danych, sztuczną inteligencję specyficzną dla danej domeny i głęboką wiedzę specjalistyczną, aby przekształcić nadmiar informacji w jasny, możliwy do wykonania przewidywania.
Naszą ambicją jest stać się analitycznym szkieletem, na którym mogą polegać organizacje, gdy niepewność geopolityczna staje się szansą lub strategicznym ryzykiem. Więcej na extrac.ai.

Rola
Poszukujemy inżyniera oprogramowania, który dołączy do zespołu AI ExTrac i będzie budował wokół niego funkcję Co-Analyst i analityczne funkcje AI.
Co-Analyst to wieloagentowy system skierowany do użytkownika, który współpracuje z analitykami wywiadowczymi w celu prowadzenia badań i pisania raportów. Pętla planowania rozkłada pytanie analityka, fani przesyłają informacje do podagentów i składa wyniki w raport, w którym każde twierdzenie jest powiązane z fragmentem źródła, z którego pochodzi. Pod spodem kryje się wyszukiwanie hybrydowe w dużym, nieustrukturyzowanym korpusie: intencje analityków przełożone na ustrukturyzowane filtry w połączeniu ze słowami kluczowymi i gęstym wyszukiwaniem wektorowym w wielu językach i typach mediów.
Praca agenta jest najważniejszym elementem, ale nie całą pracą. W jednym kwartale praca obejmuje orkiestrację agentów, wyszukiwanie, analizę grafów i długotrwałe potoki przesyłania strumieniowego, a także leżące pod nimi usługi i bazy danych. Będziesz właścicielem dobrze zdefiniowanych funkcji i komponentów od początku do końca w bazie kodu Python i Go, współpracując ze starszymi inżynierami, którzy wyznaczają kierunki techniczne, zespołem danych, który jest właścicielem potoków pozyskiwania, oraz zespołem ML skupiającym się na badaniach, który szkoli i ocenia modele, które integrujemy i obsługujemy. Pętla jest krótka: produkt przynosi pomysł, często świeży i niesprawdzony, a naszym zadaniem jest przyspieszenie wdrożenia i przeniesienie go do funkcji produkcyjnej. Nowe funkcje pojawiają się prawie co tydzień.
Celem tego zatrudnienia jest zwiększenie wydajności zespołu ds. sztucznej inteligencji w zakresie rozwiązywania trudnych problemów: inżyniera, który może niezależnie dostarczać funkcje i komponenty o szerokim zakresie, i który dąży do posiadania większej części systemu od początku do końca.

Na czym polega praca
Funkcje agentowe i analityczne AI

• Twórz i ulepszaj komponenty samej pętli agenta: montaż kontekstu, wybór narzędzi i koordynacja pod-agenta, pod kierunkiem starszych inżynierów z zespołu.

• Twórz towarzyszące jej funkcje analityczne AI, od budowy sieci po podsumowania czytane przez analityków.

• Pomóż udowodnić, że zmiany są ulepszeniami, przeprowadzając eksperymenty na ruchu analityków na żywo za flagami funkcji.

• Przyczyniaj się do uzgodnienia, co „lepsze” oznacza dla danej zdolności i uczciwie sygnalizuj, gdy dowody wskazują, że obiecujące podejście nie działa.

• Praca z osadzaniami to coś więcej niż tylko kwestia odzyskiwania. Te same wektory wpływają na budowę sieci i wykrywanie społeczności.

• Pracuj w ramach projektu niezależnego od modelu, wymieniając modele i osadzając je na podstawie ocen zespołu ML, zamiast ograniczać się do jednego.

Projektowanie i dostawa usług

• Weź dobrze zdefiniowany problem, wyjaśnij wymagania swojemu przełożonemu lub starszemu inżynierowi i wyślij go do produkcji w ramach regularnych kontroli, a nie ścisłego nadzoru.

• Własne funkcje i komponenty od początku do końca w ramach jednego systemu, przyczyniające się do dyskusji na temat projektu i architektury systemu oraz przejmując więcej prac projektowych w miarę budowania kontekstu.

• Twórz i utrzymuj interfejsy API używane przez wewnętrzne zespoły i klientów, zgodnie z ustalonymi umowami i konwencjami dotyczącymi wersjonowania.

• Pracuj z warstwą pamięci masowej jako problemem projektowym, a nie szczegółem implementacji: schematem, strategią indeksowania i wzorcami dostępu w magazynach relacyjnych, dokumentowych i wektorowych.

Inżynieria produkcji

• Twórz i obsługuj usługi pomocnicze w Pythonie i Go, wraz ze wzrostem odpowiedzialności za projektowanie, wdrażanie i operacje w miarę zdobywania doświadczenia.

• Pomóż utrzymać przepływy pracy agentów zgodnie ze standardami produkcyjnymi pod względem opóźnień, kosztów i niezawodności w systemie, w którym oczywistością jest niedeterminizm.

• Twórz i obsługuj długotrwałe potoki przesyłania strumieniowego, łącznie z zachowaniem buforowania i odzyskiwania, które zapewnia ich przetrwanie.

Praca z analitykami, produktem i zespołem ML

• Współpracuj bezpośrednio z analitykami korzystającymi z naszych produktów, zamieniając to, co napotkają w praktyce, na zmiany w systemie.

• Wykonuj szybkie iteracje w oparciu o bieżący strumień żądań produktów, zaznaczając miejsca, w których kolidują one z pracą nad możliwościami w dłuższym horyzoncie czasowym.

• Współpracuj z zespołem ML w zakresie podejść agentycznych, pomagając we wdrażaniu sprawdzonych koncepcji do produkcji i rozwiązywaniu problemów związanych z inżynierią, wydajnością i niezawodnością, których nie ma w przypadku realizacji badań.

• Pomagaj w integracji i obsłudze szkolonych przez siebie modeli oraz wnoś swój wkład w infrastrukturę produkcyjną, na której działają ich ramy ewaluacji.

Powinieneś aplikować jeśli

• Zbudowałeś i pracowałeś nad produkcyjnymi systemami zaplecza i chcesz to robić dalej. Spędzisz więcej czasu w usługach, bazach danych i interfejsach API Pythona i Go niż w pliku podpowiedzi i znasz różnicę między czymś, co dobrze demonstruje, a czymś, co wytrzymuje obciążenie produkcyjne, opóźnienia i koszty.

• Potrafisz niezależnie pracować nad dobrze zdefiniowanymi problemami i wiedzieć, kiedy zgłosić niejednoznaczność lub poprosić o wkład, zamiast zgadywać. Kiedy oczywiste podejście zawiedzie, przed eskalacją szukasz innego.

• Ciekawią Cię frameworki agentowe i wygodna praca bez nich. Doświadczenie z nimi jest przydatne, ale większość orkiestracji budujemy samodzielnie, ponieważ gotowe abstrakcje nie spełniają naszych wymagań dotyczących oceny, kontroli i wydajności produkcji.

• Możesz wykorzystać najnowszą technikę lub artykuł, pomóc we wdrożeniu i jasno rozważyć, czy warto dalej to robić.

• Nie ufasz zmianom, dopóki ich nie zmierzysz. Sięganie po ocenę to raczej instynkt niż refleksja.…

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