Agentic AI mérnök

Stack

Feladatok

• ▹Az agentic AI architektúra meghatározása: orchestration, agent-keretrendszerek, eszközintegrációk (MCP is), memória- és állapotkezelés, kiértékelés, megfigyelhetőség
• ▹Termelésbe szánt kód írása az idő legalább felében, kiemelten a csapat első évében
• ▹CI/CD, tesztelési, kiértékelési és üzembehelyezési infrastruktúra kiépítése az agentic rendszerekhez
• ▹Prototípusok érlelése termelésre kész, robusztus rendszerekké „you build it, you run it” modell szerint
• ▹Vállalati szintű tervezés: multi-tenant izoláció, titokkezelés, audit-naplózás, jogosultságkezelés, human-in-the-loop kontrollok
• ▹Fenyegetésmodellezés a Biztonsági mérnöki csapattal (prompt injection, eszköz-visszaélés, adatszivárgás)
• ▹Belső fejlesztők (power userek, osztályok) coachingja, sablonok, SDK-k, sandboxok építése
• ▹Együttműködés a Data, Analytics & Systems csapattal az adatalapok kialakításában
• ▹Kódminőségi, tesztelési, dokumentációs és ügyeleti sztenderdek meghatározása, technikai toborzás vezetése, mentorálás

Elvárások

• ▹7+ év professzionális szoftverfejlesztői tapasztalat termelési rendszerek építésében, erős rendszertervezési alapokkal
• ▹Gyakorlati tapasztalat LLM-eket és/vagy agentic mintázatokat integráló termelési rendszerek építésében: orchestration, eszközhasználat, memória- és állapotkezelés, kiértékelés, megfigyelhetőség
• ▹Bizonyított képesség determinisztikus és nem-determinisztikus munkaterhelések optimalizálására, a megfelelő architektúra kiválasztására
• ▹Termelési tapasztalat legalább két nyelvben: Python, TypeScript/Node.js, Go; otthonosság a teljes stackben
• ▹Gyakorlati tapasztalat LLM API-kban (OpenAI, Anthropic), agentic keretrendszerekben (LangChain, CrewAI), üzleti tartalmakon futó RAG-ban (Confluence, szerződések, szabályzatok), vektor-adatbázisokban (pgvector, Pinecone), workflow-automatizálásban (n8n, Langflow), LLM-megfigyelhetőségi és kiértékelési eszközökben (LangSmith, Arize)
• ▹Bizonyított „nulláról egyre” építési tapasztalat: platform, funkció vagy terméktér, amit alapoktól épített fel és skálázott
• ▹Tapasztalat szabályozott vagy biztonságkritikus környezetben; vállalati biztonsági alapok (titkosítás, jogosultságkezelés, audit-naplózás, titokkezelés)
• ▹Technikai vezetői képesség pozíciótól függetlenül – irányt szab, tervezési felülvizsgálatokon emeli a mércét
• ▹Termékközpontú fejlesztői szemlélet, gyors szállítás, valós hatásra való fókusz
• ▹Örömmel vállal tulajdonosi felelősséget platform-elemek építésében

Soft skillek

A munkáltatóról

A Benchling a biotechnológiai K+F AI-platformja: tudósok kísérleteket terveznek, strukturált adatot rögzítenek és AI-ügynököket futtatnak rajta; 200 000+ tudós használja, köztük a Sanofi, a Moderna és a világ 50 legnagyobb biofarma-cégének több mint fele.