ML & Agentic Systems Engineer

хто ми

Наша місія полягає в тому, щоб внести ясність і контроль у найскладніші кодові бази світу. AI прискорює створення коду, але інфраструктура для розуміння, контролю та розвитку цього коду не встигає за цим. Sourcegraph надає інженерним організаціям повну видимість їхніх систем, точний контекст для їхніх агентів і можливість виконувати скоординовані зміни коду в масштабі. Оскільки агентська розробка стає домінуючою інженерною парадигмою, ми надаємо команди рівня контексту, необхідні для контролю над своєю кодовою базою.

Завдяки Code Search, Deep Search, MCP і Agentic Batch Changes ми виконуємо цю місію сьогодні – надаючи командам інженерів і їхнім інструментам штучного інтелекту контекст перехресного репо для впевненої навігації у величезних базах коду та можливість вносити зміни в сотні сховищ одночасно.

Такі компанії, як Stripe, Reddit і Leidos, покладаються на Sourcegraph, щоб доставляти швидше та якісніше. Нас підтримують a16z, Sequoia та Redpoint, і ми пишаємося тим, що працюємо як глобальна команда, яка цінує високу свободу дій, пряме спілкування та любов до клієнтів.

Якщо ви хочете побудувати інфраструктуру, яка дозволить кожній команді інженерів – і кожному агенту, який вони розгортають – впевнено працювати на своїй кодовій базі, приєднуйтеся до нас.

Години та місце розташування

Незважаючи на те, що ми наймаємо працівників майже в будь-якій точці світу, ми віддаємо перевагу тим, хто проживатиме на цій посаді в наступних місцях. Однак, якщо ви відчуваєте себе кваліфікованими, ми запрошуємо вас подати заявку незалежно від місця розташування. Незважаючи ні на що, робочий час має збігатися з EST принаймні на 20 годин на тиждень.

Переважні місця:

• США

Чому ця робота цікава

Sourcegraph є лідером у розробці інструментів штучного інтелекту для вирішення найбільших проблем у індустрії програмного забезпечення, проблем, які стають лише більшими, оскільки кодові бази розростаються та більше роботи виконують агенти. Команда Code Understanding володіє поверхнями, де цей інтелект зустрічається з розробником: Deep Search, наша агентська багатоступенева система відповідей на всій лінійці кодових баз підприємства, Query Assist, що перетворює запити природної мови на синтаксис запиту Sourcegraph, Smart Hovers, стисле узагальнення символів саме там, де це потрібно розробникам, керований перегляд відмінностей та API, які використовують як люди, так і агенти ШІ. покладатися щодня.

Більшість із того, що робить ці поверхні ефективними, — це агентна інженерія: поєднання розробки програмного забезпечення, машинного навчання та статистики. Розробка агентів підказує нам, яку модель використовувати та коли, як отримати та запакувати контекст, як виміряти якість відповіді, де налаштувати чи перебрати меншу модель, щоб скоротити витрати та затримку, і як розширити один виклик LLM до надійного багатоетапного агента. Як штатний ML і агент-інженер у Code Understanding, ви будете технічним власником цього: визначатимете напрямок роботи команди щодо моделей, оцінок і агентських систем, роблячи наші продукти помітно кращими, швидшими та дешевшими, а також підвищуйте плавність команди у створенні за допомогою моделей.

Це посада на рівні персоналу: ми наймаємо технічного керівника, а не просто сильного окремого учасника. Основною потребою є виробничий ML та орган оцінки, який також створює системи агентів виробництва. Ви будете володіти найскладнішими, найбільш неоднозначними проблемами в цьому просторі, встановлювати стандарти, яких дотримуються інші, і впливати на напрямок за межами вашої безпосередньої команди. Ви отримаєте захоплюючу можливість реалізувати бачення того, як ми можемо забезпечити найкращий досвід розуміння коду на ринку, об’єднавши наші детерміновані великомасштабні системи та штучний інтелект у можливості, які ніколи раніше не бачили.

Конкретно, ви матимете такі роботи, як:

• Агентні системи. Ви розробите та зміцните багатоетапні цикли агентів із використанням інструментів, що стоять за поточним і новим агентським досвідом, перетворюючи дослідження та експерименти на надійні, спостережувані та доступні продукти в масштабі підприємства.

• Прагматичне використання оцінок. Створення агентських продуктів означає потребу сказати, коли зміни дійсно допомогли, що важко, коли агенти постійно змінюються, а продукт постійно змінюється. Ви будете судити про те, де оцінки заробляють на собі, коли використовувати цільові димові тести та показники, і як уникнути шуму, який прикривається суворістю, щоб ми могли швидко рухатися з упевненістю.

• Моделі: відбір, вдосконалення та навчання. Ви вирішуватимете, які моделі ми будемо запускати, оновлюватимемо та налаштовуватимемо власні, коли це буде потрібно.

• Пошук і розробка контексту. Ви будете наполягати на тому, як ми використовуємо моделі в коді клієнта – пошук, рейтинг, контекстні вікна, цитати – щоб зробити відповіді більш точними та такими, що можна перевірити.

• Вартість і затримка. Кожна поверхня має економічний бюджет на кожного користувача. Ви розглядатимете вартість і затримку як функції продукту, а профіль, дистилляцію, кешування та моделі потрібного розміру, щоб ми могли стабільно постачати амбітні функції.

Ви зробите це в невеликій команді високого рівня, яка швидко доставляє, володіє великою кількістю продуктів і оптимізоване управління продуктами: тут інженери спілкуються з клієнтами, формулюють проблему та володіють нею від кінця до кінця. Ви матимете реальну агенцію над технічним керівництвом і прямий зв’язок із впливом вашої роботи.

Протягом одного місяця ви...

• Отримайте продукти для розуміння коду та їхні конвеєри моделей/агентів, що працюють наскрізно локально, і внесіть свої перші вдосконалення в модель, підказку, шлях отримання або eval.

• Створіть чітке уявлення про проблеми розробки штучного інтелекту та поверхні продукту, які найбільше обмежені ними.

• Познайомтеся з командою та нашими клієнтами та почніть формувати власну думку про те, куди наші агентські продукти мають піти далі.

• Приєднайтеся до ротації команди підтримки за викликом.

Протягом трьох місяців ви...

• Володійте значущим агентським фрагментом продукту від кінця до кінця, переходячи від формування проблеми до розгортання та вимірювання.

• Встановіть, як команда постачає моделі та відповідально вносить зміни: оцінки, інформаційні панелі та огорожі, які роблять регресію якості та вартості видимою ще до того, як клієнти її відчують…

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