مهندس ذكاء صناعي أول - LLM، RAG و أنظمة الوكلاء

نظرة عامة على الدور

نبحث عن مهندس ذكاء صناعي أول (Senior AI Engineer) لقيادة طبقة الذكاء الاصطناعي في منصة البيانات الخاصة بنا. ستتولى بناء تطبيقات LLM بجودة إنتاجية، وأنظمة استرجاع معززة (RAG)، ووكلاء أذكياء، وواجهات لغة طبيعية تعمل على البيانات المؤسسية. هذا الدور هندسي بحت، ويتطلب خبرة عملية في بناء ونشر أنظمة LLM في بيئات الإنتاج، وليس مجرد نماذج أولية.

ستعمل عن كثب مع فرق هندسة البيانات والبرمجيات لتحويل قدرات الذكاء الاصطناعي إلى منتجات موثوقة وقابلة للتطوير. إذا كنت تمتلك خبرة في النماذج مفتوحة الوزن المستضافة ذاتيًا، وتحسين أداء الاستدلال، وتصميم أنظمة وكيل آمنة، فهذه فرصة مثالية لك.

المسؤوليات الرئيسية

• تصميم وبناء تطبيقات LLM وأنظمة RAG بجودة إنتاجية عالية.
• امتلاك بنية الاسترجاع بما في ذلك التجزئة، والتضمينات، والبحث المتجه، والبحث الهجين، وإعادة الترتيب.
• بناء أنظمة وكلاء واستدعاء أدوات مع تطبيق الأذونات المناسبة، والنطاق، والتحقق، والحواجز الأمنية.
• تطوير واجهات لغة طبيعية للتفاعل مع البيانات المؤسسية وقواعد البيانات المنظمة.
• بناء وصيانة أطر تقييم LLM، بما في ذلك مجموعات الاختبار، ومجموعات الانحدار، وقياس التأسيس، واكتشاف الهلوسة، وتقييم جودة الإجابات.
• نشر وتحسين النماذج مفتوحة الوزن المستضافة ذاتيًا باستخدام تقنيات مثل vLLM أو بنية تقديم مكافئة.
• تحسين أداء الاستدلال، واستخدام وحدات معالجة الرسومات (GPU)، والكمون، والإنتاجية، والتكلفة.
• استكشاف وتنفيذ الضبط الدقيق أو تعديل النموذج عند الاقتضاء.
• التعاون مع مهندسي البيانات والبرمجيات لتحويل قدرات الذكاء الاصطناعي إلى منتجات موثوقة في الإنتاج.

المؤهلات المطلوبة

• 5+ سنوات من الخبرة في هندسة البرمجيات أو هندسة البيانات.
• سنتان على الأقل من الخبرة العملية في بناء ونشر أنظمة تعتمد على LLM في الإنتاج.
• مهارات قوية في هندسة بايثون.
• فهم عميق لبنية RAG والاسترجاع: استراتيجيات التجزئة، التضمينات، قواعد بيانات البحث المتجه، البحث الهجين، إعادة الترتيب، وتقييم الاسترجاع.
• خبرة في بناء وكلاء LLM أو أنظمة استدعاء الأدوات.
• فهم قوي للأمان: الأذونات، التحكم في الوصول، النطاق، التحقق، والحواجز لأنظمة الذكاء الاصطناعي.
• فهم قوي لتقييم LLM، بما في ذلك مجموعات بيانات الاختبار، واختبار الانحدار، والتأسيس، واكتشاف الهلوسة.
• خبرة في العمل مباشرة مع منصات البيانات، أو قواعد البيانات، أو البيانات المؤسسية، بدلاً من استهلاك واجهات برمجة التطبيقات المستضافة فقط.
• أسس هندسة برمجيات قوية وخبرة في نقل الأنظمة من النموذج الأولي إلى الإنتاج.

المهارات المفضلة

• خبرة في النماذج مفتوحة الوزن المستضافة ذاتيًا.
• خبرة إنتاجية مع vLLM أو بنية تقديم نموذج مكافئة.
• فهم لإدارة موارد وحدات معالجة الرسومات (GPU) وتحسين الاستدلال.
• خبرة في الضبط الدقيق، أو LoRA، أو تقنيات تعديل النموذج الأخرى.
• خبرة في أنظمة تحويل النص إلى SQL.
• خبرة في تصميم أو استخدام طبقة دلالية على نماذج البيانات المؤسسية الحقيقية.
• خبرة في دمج الوثائق غير المنظمة مع البيانات المؤسسية المنظمة في تطبيق ذكاء اصطناعي واحد.

كيف يبدو النجاح في هذا الدور

ستكون ناجحًا إذا استطعت بناء طبقة ذكاء اصطناعي تتميز بـ:

• دقة عالية: إجابات دقيقة ومستندة إلى البيانات المؤسسية.
• جودة موثوقة: تُقاس من خلال التقييم الآلي واختبار الانحدار.
• أمان: وكلاء وأدوات تحترم أذونات المستخدم وحدود البيانات.
• قابلية للتوسع: نماذج وبنية استرجاع تؤدي بشكل موثوق في الإنتاج.
• قابلية للصيانة: قدرات ذكاء اصطناعي تُبنى كبرمجيات إنتاج، وليس كأبحاث معزولة.
• تجربة مستخدم: تمكين المستخدمين من التفاعل بشكل طبيعي مع البيانات المؤسسية المعقدة.