Vereinigte Staaten
B&A
Insight Global
AI Engineer
Vereinigte Staaten
Dunwoody, Georgia, United States
Python
Automatische Übersetzung. Prüfe das Original.
Überblick
Sie konzipieren und entwickeln agentische Workflows – mehrstufige Multi-Agenten-Systeme, die logische Schlussfolgerungen ziehen, Tools verwenden, externe Dienste aufrufen und sich von Fehlern erholen – und führen diese vom Prototyp bis zur zuverlässigen Produktion. Sie setzen Geschäftsanforderungen in funktionierende Agentensysteme um: Sie stellen Agenten zusammen, entwerfen die Prompts und Verhaltensweisen, die diese steuern, binden die benötigten Tools und Datenquellen an, entscheiden über die Koordination der Agenten und legen fest, an welchen Stellen ein Mensch in den Prozess eingreifen muss. Sie bauen auf unseren Tools zur Agentenentwicklung auf, sodass ein Großteil der umgebenden Infrastruktur – Identitätsmanagement, Guardrails, Logging und Monitoring – bereits für Sie erledigt ist. Ihr Fokus liegt darauf, diese Komponenten zu einer Lösung zusammenzufügen, die ein echtes Problem löst und sich auch dann vorhersehbar verhält, wenn die zugrunde liegenden Modelle dies nicht tun. Die Arbeit ist praxisorientiert und produktnah: Sie übersetzen Anforderungen in Designs, setzen diese mit echten Daten um, härten sie für die Produktion ab und verbessern sie kontinuierlich nach dem Go-Live.
Aufgaben
- Konzeption und Entwicklung agentischer Workflows – mehrstufige Multi-Agenten-Systeme, die logische Schlussfolgerungen ziehen, Tools aufrufen und sich von Fehlern erholen – mit Verantwortung vom Design bis zur Produktion.
- Zusammenstellung von Agenten zu zuverlässigen Pipelines, die in externe APIs, interne Dienste und Datenquellen integriert sind, mit klarer Fehlerbehandlung und Retry-Logik.
- Entwurf und iterative Verbesserung der Prompts und Verhaltensweisen, die jeden Agenten steuern, wobei diese als versionierte, getestete Artefakte und nicht als Inline-Strings behandelt und gegen Evaluationssets validiert werden.
- Entwicklung der Tools und Integrationen, auf die sich Agenten stützen – gut typisierte Funktionsschnittstellen oder Service-Endpunkte – unter Berücksichtigung von Sicherheit und Korrektheit.
- Auswahl des geeigneten Koordinationsansatzes für jede Aufgabe – ein Supervisor, der Worker steuert, ein Planer und Ausführer, konkurrierende oder kritisierende Agenten oder eine feste Sequenz – und fundierte Entscheidung, wann welcher Ansatz passt.
- Entscheidung, wo menschliche Überprüfung und Genehmigung erforderlich sind, und Implementierung dieser Kontrollpunkte in langlaufende Workflows.
- Angemessene Einbindung von Status und Speicher – kurzfristiger Arbeitskontext und langfristiges Gedächtnis –, damit Agenten über die benötigten Informationen verfügen, ohne Daten zwischen Benutzern oder Mandanten preiszugeben.
- Aufbau von Evaluations-Suiten und Regressionsprüfungen, die messen, ob ein Workflow seine Aufgabe tatsächlich erfüllt – Qualität von Trajektorie und Ergebnis, nicht nur Bestehen/Nichtbestehen.
- Härtung von Workflows für die Produktion – Diagnose von Timeouts, Teilfehlern, unerwartetem Modellverhalten und Status-Drift in langlaufenden, nicht-deterministischen Systemen.
- Instrumentierung und Debugging des Agentenverhaltens mittels Tracing, Logs sowie Kosten- und Latenz-Telemetrie.
- Beitrag zu gemeinsamen Mustern, Konventionen und wiederverwendbaren Komponenten, die den Qualitätsstandard für die Erstellung agentischer Systeme im gesamten Team erhöhen.
- Zusammenarbeit mit dem Produkt- und dem breiteren Engineering-Team, um Geschäftsanforderungen in Agenten-Designs zu übersetzen, die praktisch umsetzbar, betriebsfähig und steuerbar sind.
Qualifikationen
Erforderliche Qualifikationen
- Fundierte Grundlagen der Softwareentwicklung mit produktionsreifem Python – sauberer, getesteter Code; vertraut mit asynchronen Mustern und langlaufenden, zustandsbehafteten Prozessen.
- Erfahrung in der Entwicklung oder Arbeit mit agentischen oder LLM-gesteuerten Systemen in einer Produktions- oder produktionsnahen Umgebung – in der ein Modell den Kontrollfluss durch Tool-Nutzung, mehrstufiges Schlussfolgern oder Agenten-zu-Agenten-Übergaben steuert.
- Erfahrung in der Zusammenstellung mehrstufiger oder Multi-Agenten-Workflows – Orchestrierung von Agenten, Verwaltung von gemeinsamem Status, Verknüpfung von Tool-Aufrufen sowie Handhabung von Fehlern und Retries.
- Praktische Fähigkeiten im Prompt-Engineering – Sie können Prompts und Systemnachrichten entwerfen, die das Modellverhalten konsistent machen, und haben diese anhand von Evaluationen verbessert, statt sich auf Ihr Bauchgefühl zu verlassen.
- Erfahrung in der Integration mit externen APIs und Diensten – REST, Authentifizierung, Fehlerbehandlung und Design für Teilfehler.
- Erfahrung im Aufbau von Tools oder Integrationen, die von einem Modell oder Agenten aufgerufen werden – Funktionsschnittstellen, Schema-Design oder Service-Endpunkte.
- Disziplin bei der Evaluation – Sie können eine von Ihnen erstellte Eval-Suite für ein agentisches oder LLM-System beschreiben, wie Sie die Ground Truth erstellt haben und was diese bewiesen hat.
- Solide Debugging-Instinkte für verteilte und nicht-deterministische Systeme – Sie können Fehler nachvollziehen, die sich über mehrere Agenten oder Dienste erstrecken.
- Sie schreiben aussagekräftige Tests für komplexe, zustandsbehaftete Systeme – Unit-, Integrations- und Szenario-Abdeckung.
- Vertrautheit mit der Observability von Agenten oder LLM – Tracing, Logging oder Monitoring von Modell- und Tool-Aufrufen.
- Hintergrund in der backend-Entwicklung – APIs, Queues, Datenbanken –, der Ihnen eine solide Basis bietet, wenn Workflows die Infrastruktur berühren.
- Erfahrung mit mandantenfähigen Systemen und Aspekten der Datenisolierung.
Bevorzugte Qualifikationen
- Erfahrung mit dauerhaften oder langlaufenden Workflow-Ausführungen – Systeme, bei denen der Status Neustarts, Retries oder Teilfehler überstehen muss.
- Vertrautheit mit Agenten-Gedächtnis – Arbeitsspeicher, Langzeitgedächtnis und Verwaltung von Kontextfenstern.
- Erfahrung mit Retrieval-Augmented Generation und Reranking – Einbindung von Retrieval in einen Agenten-Workflow und Messung der Auswirkungen.
- Erfahrung mit Human-in-the-Loop-Mustern – Genehmigungsschritte, Eskalationsrichtlinien und Review-Workflows in der Produktion.
- Erfahrung mit Frameworks oder Mustern zur Agenten-Orchestrierung (LangGraph oder vergleichbar).
- Vertrautheit mit Prompt-Injection und adversen Risiken in Agenten- und Retrieval-Systemen sowie deren Minderung.
- Sicherer Umgang mit einer SDK- oder Framework-Abstraktion – Sie verstehen deren Einschränkungen und wissen, wann Lücken eskaliert werden müssen.
- Open-Source-Beiträge zu Agenten-Frameworks oder verwandten Tools.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen