Inżynier AI (Agent)

CoreWeave to niezbędna chmura dla AI™. Zbudowany przez pionierów dla pionierów, CoreWeave zapewnia platformę technologii, narzędzi i zespołów, która umożliwia innowatorom pewne budowanie i skalowanie sztucznej inteligencji. Zaufany przez wiodące laboratoria AI, start-upy i globalne przedsiębiorstwa, CoreWeave łączy doskonałą wydajność infrastruktury z głęboką wiedzą techniczną, aby przyspieszać przełomy i przekształcać obliczenia w możliwości. Założona w 2017 r. firma CoreWeave stała się spółką notowaną na giełdzie (Nasdaq: CRWV) w marcu 2025 r. Więcej informacji można znaleźć na stronie www.coreweave.com.

Jesteśmy dumni, że jesteśmy pracodawcą akredytowanym na płacę wystarczającą na utrzymanie.

Co zrobisz:

Zespół inżynierii fizycznej AI w CoreWeave jest odpowiedzialny za budowanie i skalowanie podstawowej platformy, która obsługuje najbardziej zaawansowane na świecie symulacje inżynieryjne i przepływy pracy AI. Od rozwijającej się architektury rozproszonej po umożliwienie nowej generacji aplikacji agentowych i fizycznej sztucznej inteligencji – zespół ten zapewnia wydajną, niezawodną i skalowalną podstawę, której zaufały największe firmy inżynieryjne na świecie.

O roli:

Poszukujemy starszego inżyniera AI do zbudowania warstwy agentowej naszej platformy fizycznej AI. Będziesz projektować, budować i wysyłać agentów naszego drugiego pilota inżynierskiego: systemy, które podejmują prawdziwy problem inżynieryjny od zespołu motoryzacyjnego, przemysłowego lub robotyki, eksplorują dane, budują i oceniają modele oraz zwracają wyniki, którym inżynier może zaufać i na których może działać.

Jest to praktyczna rola inżynierska, a nie rola badawcza. Będziesz współpracować z naszymi badaczami i inżynierami oprogramowania: w ramach badań badane są nowe podejścia, a Ty przekształcasz te, które się sprawdzają, w niezawodne systemy produkcyjne. Będziesz właścicielem agentów od początku do końca – od projektu narzędzi i kontekstu, przez ocenę, po wdrożenie i działanie w środowisku produkcyjnym.

W tej roli będziesz:

Systemy agentowe

• Projektuj i buduj agenty, które uruchamiają pętlę automatycznego badania problemów inżynieryjnych klienta: eksploracja danych, iteracja funkcji i modeli, ocena i raportowanie.

• Zdefiniuj interfejsy narzędzi i serwery MCP, które udostępniają agentom możliwości platformy (złącza danych, biblioteki fizyczne AI, śledzenie eksperymentów i rejestr modeli, obliczenia) agentom w bezpieczny i przewidywalny sposób.

• Własny projekt kontekstu i pamięci dla długotrwałych zadań agenta, w tym wyszukiwanie danych inżynieryjnych, dokumentacji i wcześniejszych eksperymentów.

• Wybieraj i integruj modele, równoważąc jakość, opóźnienia i koszty.

Ocena i niezawodność

• Twórz narzędzia oceny i testy porównawcze, które mierzą wydajność agentów w rzeczywistych przypadkach użycia inżynieryjnego, aby jakość była mierzalna, a regresje widoczne.

• Instrumentuj agentów za pomocą śledzenia i obserwowalności oraz wykorzystuj te dane do ich ulepszania.

• Projektuj poręcze ochronne, wykonywanie kodu w trybie piaskownicy, modele uprawnień i punkty kontrolne typu „człowiek w pętli”, aby agenci bezpiecznie korzystali z danych i obliczeń klientów.

• Przenieś agentów od prototypu do produkcji: testowanie, CI/CD, wdrażanie, monitorowanie i własność na wezwanie.

ML i praca w domenie

• Wkład w pracę ML wraz z inżynierami ML – szkolenie modeli, ocena i rozwój biblioteki fizycznej AI – szczególnie tam, gdzie agenci używają lub generują te komponenty.

• Przekłada słownictwo i przepływy pracy z dziedzin inżynierii fizycznej na zachowanie agentów, współpracując z inżynierami oddelegowanymi do przodu i klientami.

• W razie potrzeby zajmij się pracami inżynieryjnymi ML i pomóż inżynierom ML wdrożyć narzędzia agentowe w ich własnych przepływach pracy.

Współpraca

• Współpraca z działem badawczym w celu przekształcenia obiecujących podejść agentycznych w systemy produkcyjne.

• Współpracuj z inżynierami platformy w zakresie środowiska wykonawczego agentów, orkiestracji przepływu pracy i uwierzytelniania w miarę przenoszenia platformy do rozproszonej architektury gotowej do obsługi agentów.

• Współpracuj z interfejsem użytkownika i produktem, aby udostępnić możliwości agenta w produkcie w sposób, któremu ufają inżynierowie nie zajmujący się systemami ML.

• Inżynierowie-mentorzy oraz przeprowadzanie wywiadów i wdrażanie nowych członków zespołu.

Kim jesteś:

• Ponad 5 lat doświadczenia w inżynierii oprogramowania, w tym ponad 2 lata w budowaniu systemów produkcyjnych w oparciu o LLM. Twoje doświadczenie dotyczy oprogramowania do wysyłki i obsługi, a nie badań akademickich.

• Wysłałeś co najmniej jeden system agentowy do produkcji z prawdziwymi użytkownikami: agenci korzystający z narzędzi, wieloetapowe przepływy pracy lub agenci generujący kod.

• Mocny Python produkcyjny.

• Praktyczne doświadczenie z interfejsami API LLM i frameworkami agentów oraz jasny obraz tego, gdzie frameworki są pomocne, a gdzie przeszkadzają.

• Doświadczenie w projektowaniu narzędzi i interfejsów API dla agentów, w tym MCP lub równoważnych protokołów wywoływania narzędzi.

• Ocena budowania doświadczenia dla systemów LLM lub agentów: zbiory danych, osoby oceniające, LLM jako sędzia, śledzenie regresji.

• Solidne podstawy uczenia maszynowego. Możesz trenować i oceniać model za pomocą scikit-learn lub PyTorch, a także rozumiesz walidację, nadmierne dopasowanie i niepewność na tyle dobrze, aby ocenić wyniki agenta.

• Doświadczenie w wyszukiwaniu i inżynierii kontekstu dla agentów.

• Solidne praktyki inżynierii oprogramowania: przegląd kodu, testowanie automatyczne, CI/CD, obserwowalność, Docker i Kubernetes oraz co najmniej jedna duża chmura (preferowany AWS).

• Z myślą o bezpieczeństwie: sandboxing, uwierzytelnianie/autoryzacja, natychmiastowe wstrzykiwanie i izolacja danych w systemach z wieloma dzierżawcami.

• Jasna komunikacja techniczna zarówno z inżynierami, jak i interesariuszami spoza ML.

Preferowane:

• Doświadczenie z agentami zajmującymi się badaniami automatycznymi, analityką danych lub agentami, którzy piszą i przeprowadzają eksperymenty (np. w notatnikach).

• Doświadczenie z danymi tabelarycznymi, szeregami czasowymi, czujnikami, testami lub symulacjami (motoryzacja, lotnictwo, przemysł lub robotyka).

• Wcześniejsze doświadczenie jako inżynier zaplecza lub platformy przed przejściem do inżynierii AI.

• Znajomość narzędzi do śledzenia eksperymentów i środowisk notebooków.

• Doświadczenie w obsłudze modeli open source na infrastrukturze GPU.

• Doświadczenie w organizacji przepływu pracy dla długotrwałych zadań agenta.

• Doświadczenie w dostrajaniu lub uczeniu się przez wzmacnianie w celu poprawy zachowania agenta.

Zastanawiasz się, czy nadajesz się do tego?…

Źródło: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/coreweaveu/ai-engineer-agentic-london-473164)