Senior generatív AI mérnök (játékipar), Bulgária

Stack

Feladatok

• ▹Éles LLM-alkalmazások és ágensalapú workflow-k tervezése és bővítése: RAG, szándékfelismerés, pontosítás, teljesítés, eszkaláció és human-in-the-loop folyamatok
• ▹A beszélgetési motor építése és karbantartása, beleértve a flow-validációt, a konfigurációs eszközöket és az admin felületet
• ▹Eszközhasználati és ágens-protokollok integrálása az asszisztens és a másodpilóta képességeinek bővítéséhez
• ▹Modellek kiértékelése, benchmarkolása és hangolása több szolgáltatónál, a minőség, késleltetés, áteresztőképesség, megbízhatóság és költség közti modellválasztás felelőseként
• ▹Éles AI-problémák elhárítása: hallucinációk, visszakeresési hibák, prompt-regressziók, modelldrift, szolgáltatói kiesések
• ▹Ellenállóképességi mechanizmusok építése: újrapróbálás, tartalék-útválasztás, gyorsítótárazás, streaming, rate limiting
• ▹Modellminőség mérése és hangolása trace-eléssel, kiértékelő adathalmazokkal, A/B teszteléssel és prompt-verziózással
• ▹Játékosoknak és támogatási munkatársaknak szóló felületek építése Reactben, valamint a flow-k, szándékok, kiadások, fordítások, promptok és kiértékelések kezelésére szolgáló admin felület fejlesztése
• ▹Valós idejű, eseményvezérelt termékfunkciók integrálása; a frontend teljesítményének, akadálymentességének és nemzetköziesítésének gondozása
• ▹Átfogó automatizált tesztek írása unit, integrációs, contract és end-to-end szinten
• ▹Megfigyelhetőség építése hagyományos szolgáltatásokhoz és AI-rendszerekhez: trace-elés, dashboardok, riasztás
• ▹Teljesítmény-szűk keresztmetszetek felderítése az alkalmazáskódban, a visszakereső rendszerekben, a modellinferenciában és az infrastruktúrában
• ▹Részvétel az ügyeleti rotációban, az éles incidensek kezelése világos kommunikációval
• ▹Az architekturális döntések dokumentálása és a runbookok naprakészen tartása

Elvárások

• ▹Bizonyított tapasztalat éles, LLM-alapú rendszerek építésében és üzemeltetésében: chatbotok, AI-asszisztensek, ágens-másodpilóták, RAG-rendszerek vagy LLM-orkesztrációs platformok
• ▹Erős TypeScript/Node.js tudás, strict módú TypeScript folyékony használata
• ▹Gyakorlati éles AI-tapasztalat: prompt engineering, RAG-pipeline-ok, ágenstervezés, tool calling, modellkiértékelés, megfigyelhetőség, hibamód-elemzés
• ▹Full-stack mélység: backend API-k, React UI-k, adatbázisok, infrastruktúra és éles üzemeltetés
• ▹A modellminőség, késleltetés, megbízhatóság, áteresztőképesség és költség közti kompromisszumok mérlegelése
• ▹AI-rendszerek hibaelhárítása a promptoktól a visszakereső pipeline-okon, modellkonfiguráción, infrastruktúrán és alkalmazáskódon át
• ▹Összetett aszinkron workflow-k modellezése (az állapotgép-tapasztalat erős jel)
• ▹REST API-tervezés, aszinkron minták és gyorsítótárazási stratégiák alapos ismerete
• ▹Erős tesztelési kultúra: unit-, integrációs és contract tesztek mint elsőrangú szállítandók
• ▹Tapasztalat több, egymáshoz kapcsolódó szolgáltatást tartalmazó monorepóban

Előny

• ▹Tapasztalat ágens-eszközhasználati protokollokkal (pl. MCP), szemantikus keresési/visszakeresési architektúrákkal vagy AI-gatewayekkel
• ▹Jártasság LLM-megfigyelő és kiértékelő platformokban, több alapmodell vagy szolgáltató nagy léptékű értékelésében
• ▹Tapasztalat AI-másodpilóták, asszisztensek vagy más beszélgetős termékek építésében, főleg alacsony késleltetési vagy streaming követelmények mellett
• ▹Gyakorlati NestJS-tapasztalat
• ▹Háttér ügyfél- vagy játékostámogatási platformok, játékipar vagy nagy forgalmú fogyasztói termékek terén

Soft skillek

A munkáltatóról

A TELUS Digital a kanadai TELUS digitális részlege, díjnyertes digitális termék-tanácsadó cég, amely webes, mobil, vállalati AI és ügyfélszolgálati technológiai szolgáltatásokat nyújt globális csapattal.