Estados Unidos
B&A
Insight Global
Ingeniero de IA
Estados Unidos
Dunwoody, Georgia, United States
Python
Traducción automática. Consulta el original.
Descripción general
Diseñarás y construirás flujos de trabajo de agentes: sistemas de múltiples pasos y múltiples agentes que razonan, utilizan herramientas, llaman a servicios externos y se recuperan de fallos, llevándolos desde el prototipo hasta un entorno de producción fiable. Convertirás los requisitos empresariales en sistemas de agentes funcionales: componiendo agentes, diseñando los prompts y comportamientos que los impulsan, integrando las herramientas y fuentes de datos que necesitan, decidiendo cómo se coordinan los agentes y determinando dónde debe intervenir un humano. Trabajarás sobre nuestras herramientas de desarrollo de agentes, por lo que gran parte de la maquinaria subyacente (identidad, salvaguardas, registro y monitorización) ya está resuelta; tu enfoque será ensamblar esas piezas en algo que resuelva un problema real y se comporte de forma predecible incluso cuando los modelos subyacentes no lo hagan. El trabajo es práctico y orientado al producto: traducirás requisitos en diseños, los harás funcionar con datos reales, los consolidarás para producción y seguirás mejorándolos una vez que estén en funcionamiento.
Responsabilidades
- Diseñar y construir flujos de trabajo de agentes (sistemas de múltiples pasos y múltiples agentes que razonan, llaman a herramientas y se recuperan de fallos), responsabilizándote de ellos desde el diseño hasta la producción.
- Componer agentes en pipelines fiables que se integren con APIs externos, servicios internos y fuentes de datos, con una gestión de errores y semántica de reintento claras.
- Diseñar e iterar sobre los prompts y comportamientos que impulsan a cada agente, tratándolos como artefactos versionados y probados en lugar de cadenas integradas, y validándolos frente a conjuntos de evaluación.
- Construir las herramientas e integraciones de las que dependen los agentes (interfaces de funciones con tipos definidos o endpoints de servicios), prestando atención a la seguridad y la corrección.
- Elegir el enfoque de coordinación adecuado para cada tarea (un supervisor dirigiendo trabajadores, un planificador y ejecutor, agentes que compiten o critican, o una secuencia fija) y saber cuándo encaja cada uno.
- Decidir dónde deben intervenir la revisión y aprobación humana, e integrar esos puntos de control en flujos de trabajo de larga duración.
- Integrar el estado y la memoria de forma adecuada (contexto de trabajo a corto plazo y memoria a largo plazo) para que los agentes tengan lo que necesitan sin filtrar datos entre usuarios o inquilinos.
- Construir suites de evaluación y comprobaciones de regresión que midan si un flujo de trabajo realmente cumple su función (calidad de la trayectoria y del resultado, no solo si pasa o falla).
- Consolidar flujos de trabajo para producción: diagnosticar tiempos de espera, fallos parciales, comportamiento inesperado del modelo y deriva del estado en sistemas de larga duración y no deterministas.
- Instrumentar y depurar el comportamiento de los agentes utilizando trazas, registros y telemetría de costes y latencia.
- Contribuir a patrones, convenciones y componentes reutilizables compartidos que eleven el nivel de calidad de cómo se construyen los sistemas de agentes en todo el equipo.
- Colaborar con el equipo de producto y el equipo de ingeniería en general para traducir los requisitos empresariales en diseños de agentes que sean prácticos de construir, operar y gobernar.
Cualificaciones
Cualificaciones requeridas
- Sólidos fundamentos de ingeniería de software con Python de nivel de producción: código limpio y probado; comodidad con patrones asíncronos y procesos con estado de larga duración.
- Experiencia en la construcción o trabajo con sistemas de agentes o basados en LLM en un entorno de producción o casi de producción, donde un modelo controla el flujo mediante el uso de herramientas, razonamiento de múltiples pasos o transferencias entre agentes.
- Haber compuesto flujos de trabajo de múltiples pasos o múltiples agentes: orquestando agentes, gestionando estados compartidos, encadenando llamadas a herramientas y gestionando fallos y reintentos.
- Habilidad práctica en ingeniería de prompts: capacidad para diseñar prompts y mensajes de sistema que hagan que el comportamiento del modelo sea consistente, y haberlos mejorado mediante evaluaciones en lugar de por intuición.
- Experiencia en la integración con APIs y servicios externos: REST, autenticación, gestión de errores y diseño para fallos parciales.
- Haber construido herramientas o integraciones que un modelo o agente llama: interfaces de funciones, diseño de esquemas o endpoints de servicios.
- Disciplina en la evaluación: capacidad para describir una suite de evaluación construida para un sistema de agentes o LLM, cómo se creó la verdad fundamental y qué demostró.
- Sólidos instintos de depuración para sistemas distribuidos y no deterministas: capacidad para razonar sobre fallos que abarcan múltiples agentes o servicios.
- Escritura de pruebas significativas para sistemas complejos con estado: cobertura a nivel de unidad, integración y escenario.
- Familiaridad con la observabilidad de agentes o LLM: trazas, registros o monitorización de llamadas a modelos y herramientas.
- Antecedentes en ingeniería backend: APIs, colas, bases de datos, que te sirvan de base cuando los flujos de trabajo toquen la infraestructura.
- Exposición a sistemas multiinquilino y preocupaciones de aislamiento de datos.
Cualificaciones preferidas
- Experiencia con la ejecución de flujos de trabajo duraderos o de larga duración: sistemas donde el estado debe sobrevivir a reinicios, reintentos o fallos parciales.
- Familiaridad con la memoria de agentes: memoria de trabajo, memoria a largo plazo y gestión de ventanas de contexto.
- Haber trabajado con generación aumentada por recuperación (RAG) y reranking: integrando la recuperación en un flujo de trabajo de agentes y midiendo su efecto.
- Exposición a patrones de humano en el bucle (human-in-the-loop): pasos de aprobación, políticas de escalada y flujos de trabajo de revisión en producción.
- Experiencia con frameworks o patrones de orquestación de agentes (LangGraph o comparable).
- Familiaridad con la inyección de prompts y los riesgos adversarios en sistemas de agentes y de recuperación, y cómo mitigarlos.
- Comodidad trabajando con una SDK o abstracción de framework: comprende sus limitaciones y cuándo escalar las carencias.
- Contribuciones de código abierto a frameworks de agentes o herramientas relacionadas.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil