A központ: távoli URL: https://www.toptal.com/ Szerepről Mérnököket keresünk, hogy segítsen AI rendszerek építésében és gyártásában AWS Bedrock AgentCore buting valós társalgási AI, RTI csővezetékek és ügynöki építészetekben, amelyek jóval túlmutatnak a bizonyítási-of-concept és szolgálja az élő forgalom és a valódi felhasználók. Ha az Ön erőssége az AI alkalmazás oldalán (agents, RTI, organnation) vagy a platform oldalán (alkalmazás, observability, biztonság), ez a szerep ül a közepén, hogy a munka demók termelési-minőség, megbízható rendszerek Bedrock ügynöki stack. Ha építette és szállított AgentCore kifejezetten Bedrock általános meghatározásáról, és azt szeretné, hogy a munka futtatni, mint ülni egy notebook, ez épül fel, hogy. Mit tesz a Do • Agentációs Agentíc-program, épít, és telepítse a chat rendszerek, a Dynap forgalm és az Agents (Den) Agent és az Agent-ben.

• CI/CD vezetékek létrehozása és a fejlesztés, béta és termelési környezetek kialakítása az AgentCore-alapú szolgáltatások számára • Megfigyelhetőség végrehajtása az AgentCore ügynökök számára: nyomkövetés, műszerfalak, turnköltség és latenciamérők, hibaszámok és ellenőrzési nyomvonalak • Kulcsfontosságú biztonsági ellenőrzések végrehajtása • adat-leakage védelem, munkamenet-izoláció, auth/authz határok, biztonságos gyors/választárolás • Tiszta, fenntartható, gyártási minőségű Python írása az AI alkalmazás és platform stack között • Az AWS Bedrock AgentCore gyártási teljesítményének nyomon követése, értékelése és analizálása • A termelés gyors fejlődésével, a Bedrock, az AgentCore és az Agentic AI rendszerek segítségével, és a megfelelő fejlesztéseket a projektbe, amit Ön • Proven, hand-on tapasztalatot hoz és a gyártásban részt vevő AI ügynökök, az RTI-kCore termelési környezetben nem személyes projektek, a tuitorációk, AQSock-ok és a • AWSock-

• Kényelmes munka gyorsan mozgó, fejlődő műszaki környezetben pragmatikus műszaki ítélet Nice to Have • Tapasztalat MCP szerverek • Tapasztalat infrastruktúra-as-kód (CDK, CloudFormation) és CI/CD csővezeték tervezés • Tapasztalat megosztott adateszközök, mint például az Apache Spark, Pyspark, vagy AWS EMR • Tapasztalat Amazon SageMaker vagy hasonló ML platformok • Tapasztalat OpenSearch vektor keresés adminisztráció az RAG munkaterhelés • tapasztalat építő adatvezetékek AI értékelés és KPI kivonás • Tapasztalat Azure OpenAI vagy más nem AWS LLM platformok • Comfort munka egy MI-segített fejlesztési környezetben AI építésével és felülvizsgálatával Hogyan kell alkalmazni a gyártási ügynöki rendszerek építésére az AWS Bedrock AgentCore?