شرح موقعیت شغلی:

مسئولیت‌های کلیدی:

• طراحی و پیاده‌سازی LLM Agentهایی که قادر به انجام خودکار وظایف، تصمیم‌گیری هوشمندانه و تعامل مؤثر با کاربران یا سیستم‌ها هستند.
• توسعه و بهینه‌سازی RAG pipelineها با بهره‌گیری از embedding، vector storeها و مکانیزم‌های semantic search.
• طراحی زیرسیستم‌های حافظه (memory)، ماژول‌های planning و state tracking برای ارتقاء عملکرد agent در taskهای پیچیده و طولانی‌مدت.
• توسعه و orchestration سیستم‌های multi-agent برای همکاری و تقسیم وظایف بین agentهای هوشمند.
• اتصال توانمندی‌های LLM و agentها به فرآیندها و سیستم‌های واقعی سازمان، شامل workflowها، پایگاه‌های دانش و اهداف اتوماسیون.
• همکاری بین‌تیمی با مهندسان نرم‌افزار و مدیران محصول برای ساخت سیستم‌هایی مقیاس‌پذیر، maintainable و قابل اعتماد.
• نظارت، تست، و بهبود مستمر agentها با استفاده از داده‌های رفتاری، ارزیابی عملکرد و تکنیک‌های fine-tuning.

مهارت‌ها و شرایط مورد نیاز:

• تسلط بالا به Python یا JavaScript و تجربه عملی در توسعه سیستم‌های هوش مصنوعی و مدیریت pipelineهای asynchronous.
• تجربه‌ی کار با ابزارها و چارچوب‌هایی مانند LangChain، Hugging Face Transformers، LangGraph، و طراحی ماژول‌های agent-centric.
• درک عمیق از LLM orchestration، معماری agentها، tool calling و prompt engineering در وظایف reasoning-heavy.
• تسلط به مهندسی نرم‌افزار: Clean Code، Git، طراحی ماژولار، و کار با Docker/Docker Compose.
• مهارت در آماده‌سازی داده (dataset engineering)، شامل جمع‌آوری، labeling، فیلتر، و augmentation برای پروژه‌های NLP و LLM.
• آشنایی با روش‌های fine-tuning مدل‌ها شامل SFT، instruction tuning، RLHF و تکنیک‌های مبتنی بر LoRA.
• توانایی کار در محیط‌های تحقیق‌محور، پرشتاب و آزمایشی با تمرکز بر prototypeسازی سریع و بهینه‌سازی تدریجی.