Galvenā mītne: Mēs meklējam pieredzējušu Python Backend izstrādātāja projektēšanas, celt, un izvietot mērogojamu AI-motorizētās lietojumprogrammas, izmantojot Retributing-Augmented Generation, lielie valodas modeļi, un aģentu AI sistēmas. Pienākums būs koncentrēties uz piegādāt ražošanas pakāpes RAP sistēmu un AI čatbotu, kas var droši integrēt ar uzņēmumu datiem, API, datu bāzes, un mākoņu pakalpojumus. Vispārīgā informācija: Organizācija izstrādā AI-motorā platformas un prasa pieredzējušu individuālu datu sniedzēju veidot savu RAP arhitektūras un sarunu AI spējas. Izstrādātājs cieši strādās ar izplatīto komandu un jābūt pieejamam vairākas stundas pārklājas ar ASV darba laiku. Projekts ietver AI sistēmas, kas iet tālāk par pamata ātrās inženierijas, tostarp daudzpakāpju darba plūsmas, autonomas aģenti, vektoru meklēšana, zināšanu atgūšana, atmiņas pārvaldība, un rīku integrācija. Risinājums ir aprīkojams, droša, uzraugot, un piemērots ražošanai, un ir piemērots izmantošanai. Tehnoloģijas vide ietver Pythonder, FastAPI, lieli valodas modeļi, WGraftGraft,

• Īstenot vektoru meklēšanas risinājumus, izmantojot Azure AI Meklēšanu vai līdzīgas vektoru datubāzes. • Izstrādāt autonomus AI aģentus, kas spēj plānot, spriest, izmantot rīkus un pieņemt lēmumus. • Izstrādāt daudzpakāpju AI darba plūsmas, izmantojot LangGaf, LangChain, CrewAI, AutoGen vai līdzīgas operētājsistēmas. • Izstrādāt asinhronus, augstas veiktspējas pakalpojumus, kas spēj apstrādāt vienlaicīgu AF darba slodzi. • Īstenot ātru pārvaldību, strukturētus rezultātus, seansu loģiku, un modeļus. • Izveidot sarunu atmiņas, konteksta pārvaldību, un sadarbības modeļus. • Izveidot savienojumu AI darba plūsmas ar API, datubāzēm, uzņēmumu sistēmām un ārējiem rīkiem. • Konteineru un mobilizāciju AI pakalpojumi, izmantojot Docker, Kubernetes, AWS. • Atjaunot specifikāciju, kas paredzēta AFG, AWS. • Projektēšanas laikā, izmantojot speciālus risinājumus, kas tiek izmantoti parafētas, lai izstrādātu un sagatavotus speciālus lēmumus. • Norādītāju pieredze: AFDe-metu-ed

• Nepieciešams: Stingrs izpratne par iegultņu, dokumentu iestatīšanu, semantisko meklēšanu, vektoru indeksēšanu, atgūšanas stratēģijām un pārgrupēšanu. • Nepieciešams: Hands-on pieredzi, attīstot AI aģentus un daudzpakāpju LLM darbplūsmu. • Nepieciešams: Pieredze ar aģentu AI sistēmām, piemēram, LangGraf, LangChain, Crewai, AutoGen, vai līdzīgām platformām. • Nepieciešams: Pieredze, integrējot LLMs caur OpenAI, Azure OpenAI, Antropic Claude, Gemini vai atvērtā avota modeli API. • Nepieciešams: spēja izstrādāt AI arhitektūru ārpus pamatneizeģiju. • Nepieciešams: Pieredze integrējot AI lietojumprogrammas ar API, datu bāzes, datu cauruļvadu un uzņēmumu sistēmām. • Nepieciešams: Sabiedriskās komunikācijas, datu vākšanas un nolasīšanas, un nolasāmības attiecībā uz ražošanas pakalpojumiem. • Nepieciešams: Pieredzei, kas tiek izmantotas, lai veiktu darbu, izmantojot Dorcoperation un Mākosoft-ware platformas, piemēram, • Nepieciešams: dange