AI Systems & LLM Engineer

خلاصه نقش: طراحی و پیاده‌سازی عوامل هوش مصنوعی مبتنی بر مدل‌های زبان بزرگ (LLM)، چت‌بات‌ها و جریان‌های کاری چندعاملی با استفاده از LangChain، LangGraph یا سایر چارچوب‌های هوش مصنوعی عامل‌محور. توسعه معماری‌های مقیاس‌پذیر مبتنی بر هوش مصنوعی برای تولید محتوا و پشتیبانی تصمیم‌گیری در زمان واقعی، همراه با اطمینان از یکپارچگی بی‌نقص با خدمات بک‌اند. ⸻ مسئولیت‌های کلیدی: • توسعه و تنظیم مدل‌های زبان بزرگ (مانند AWS Bedrock، OpenAI، Cohere) برای چت‌بات‌ها، تولید محتوای خودکار و تصمیم‌گیری مبتنی بر هوش مصنوعی. • ساخت جریان‌های کاری هوش مصنوعی چندعاملی با استفاده از LangGraph و LangChain (یا چارچوب‌های مشابه) برای اجرای خودکار وظایف و هماهنگی عوامل هوش مصنوعی. • پیاده‌سازی جریان‌های تولید بازیابی تقویت‌شده (RAG) با استفاده از پایگاه‌های داده برداری (مانند Pinecone، FAISS) برای بهبود استدلال متنی هوش مصنوعی. • طراحی معماری‌های هوش مصنوعی مبتنی بر رویداد، با اطمینان از تعامل بی‌درنگ بین عوامل هوش مصنوعی، API‌ها و خدمات بک‌اند. • بهینه‌سازی جریان‌های کاری چندمرحله‌ای هوش مصنوعی، با اطمینان از کارایی، قابلیت اطمینان و سازگاری در خودکارسازی مبتنی بر هوش مصنوعی. • نظارت مستمر، بازآموزی و بهینه‌سازی مدل‌های هوش مصنوعی بر اساس داده‌های عملکردی و بازخورد در زمان واقعی. ⸻ مهارت‌های مورد نیاز: • تخصص در تنظیم دقیق مدل‌های زبان بزرگ (LLM)، مهندسی درخواست (Prompt Engineering) و هوش مصنوعی مولد. • تجربه با چارچوب‌های عامل‌محور مانند LangGraph، LangChain یا سایر ابزارهای هماهنگی چندعاملی. • مهارت بالا در پایتون، FastAPI و استقرار هوش مصنوعی مبتنی بر ابر (AWS، Lambda، Bedrock). • درک عمیق از جریان‌های تولید بازیابی تقویت‌شده (RAG)، جستجوی برداری و جریان‌های کاری هوش مصنوعی با حافظه تقویت شده. • آشنایی با خودکارسازی مبتنی بر هوش مصنوعی، هماهنگی چت‌بات‌ها و معماری‌های مبتنی بر رویداد.