مهندس هوش مصنوعی

شرح موقعیت

تیم فنی شرکت تپسل به دنبال جذب یک مهندس هوش مصنوعی است تا طراحی و توسعه ابزارها و زیرساخت‌های هوشمند مبتنی بر مدل‌های زبانی را توسعه دهد. تمرکز این نقش بر معماری سیستم‌های Agentic، پیاده‌سازی MCP و توسعه سرویس‌های LLM و RAG در مقیاس سازمانی است؛ اگر تجربه طراحی و پیاده‌سازی سیستم‌های مبتنی بر LLM را دارید و از کار در تلاقی مهندسی نرم‌افزار و هوش مصنوعی لذت می‌برید، این فرصت برای شماست. مسئولیت‌ها و وظایف مشارکت در طراحی، توسعه و نگه‌داری پلتفرم‌های نرم‌افزاری پیچیده و مقیاس‌پذیر که زیرساخت ابزارهای هوش مصنوعی را تشکیل می‌دهند مشارکت در ارزیابی ابزارها و harness موجود در Agentهای روزمره هوش مصنوعی در تیم‌های توسعه بنچمارک مدل‌های LLM فعلی برای ابزارها و عملکرد Agentها در چرخه توسعه نرم‌افزار طراحی و پیاده‌سازی معماری‌های Agentic (با قابلیت Reasoning، Planning و Tool calling) خطایابی، مانیتورینگ و بهبود عملکرد سیستم‌های نرم‌افزاری بهبود مستمر کیفیت ابزارها و سیستم‌های هوش مصنوعی، شامل نوشتن تست، بررسی کد و مستندسازی تغییرات، برای اطمینان از عملکرد صحیح توسعه و نگه‌داری سرویس‌های مبتنی بر LLM و سیستم‌های RAG در مقیاس سازمانی طراحی و پیاده‌سازی MCP (Model Context Protocol) برای مدیریت context، ابزارها و ارتباط ساختاریافته بین مدل‌های زبانی و سیستم‌های داخلی یادگیری مستمر و به‌روز ماندن در مفاهیم و فناوری‌های جدید مهارت‌ها و توانمندی‌ها تسلط بر زبان برنامه‌نویسی Python تسلط بر فریم‌ورک‌های توسعه APIهای وب مانند FastAPI تسلط بر اصول مهندسی نرم‌افزار، الگوهای طراحی و معماری نرم‌افزار تسلط بر Harness و Context Management در ابزارها و نحوه طراحی آن در سیستم‌های Agentic تسلط بر روش‌های مشاهده‌پذیری در معماری سیستم‌های Agentic تسلط بر RAG، Embedding Systems و Vector Databases تسلط بر طراحی سیستم‌های مبتنی بر Agent Architecture (Tool Calling، Memory Management، Multi-Agent Orchestration) آشنایی با مفاهیم پایگاه داده‌های تراکنشی و تحلیلی و تجربه کار با پایگاه‌های داده SQL/NoSQL مانند MongoDB، PostgreSQL یا موارد مشابه تسلط بر طراحی و پیاده‌سازی MCP یا پروتکل‌های مشابه برای مدیریت Context و Tooling در سیستم‌های LLM-based آشنایی با فریم‌ورک‌ها و کتابخانه‌های مرسوم مانند LangChain، LlamaIndex، LangGraph و Transformers و نظایر آن آشنایی با ابزارهای پردازش جریانی داده مانند Kafka برای کار با داده‌های بلادرنگ آشنایی با سیستم‌های Knowledge Graph آشنایی با Docker و مفاهیم اولیه Kubernetes آشنایی با مفاهیم CI/CD و ابزارهای استقرار خودکار آشنایی با زبان Java/Kotlin (امتیاز محسوب می‌شود)