در این موقعیت روی طراحی و پیادهسازی ایجنتها، اتصال آنها به سرویسها و APIها ، و خودکارسازی جریانهای کاری روزمرهٔ تیم فنی کار خواهید کرد.
1. مسئولیتها:
طراحی و پیادهسازی ایجنتهای هوشمند و Workflowهای چندمرحلهای
توسعه و یکپارچهسازی سرویسها و APIهای مبتنی بر LLM
طراحی Tool Calling و اتصال ایجنتها به ابزارها و منابع دادهٔ داخلی
طراحی و بهینهسازی Prompt و Context
خودکارسازی فرایندهای تکرارشوندهٔ روزمرهٔ تیم فنی و عملیات
سنجش کیفیت خروجی مدلها، شناسایی و کاهش Hallucination و خطاهای مدل
مستندسازی راهکارها و تحویل تمیز کار به تیم
همکاری با سایر تیم ها
2. مهارتهای مورد انتظار:
تسلط خوب به Python
تجربهٔ عملی کار با APIهای مدلهای زبانی بزرگ
درک روشن از مفهوم Agent، Tool Calling و طراحی جریانهای چندمرحلهای
آشنایی با Prompt Engineering و Context Engineering
توانایی کار با REST API، JSON و مفاهیم پایهٔ وبسرویس
آشنایی با Git و کار تیمی روی مخزن مشترک
توانایی خواندن مستندات انگلیسی و تبدیل آن به پیادهسازی
نظم در پیگیری، مستندسازی و گزارشدهی کار
موارد زیر مزیت محسوب میشود:
آشنایی با ابزارهای Orchestration مانند LangGraph یا LangChain
تجربهٔ توسعهٔ یک محصول واقعی مبتنی بر LLM
آشنایی با RAG و سیستمهای بازیابی اطلاعات
تجربهٔ کار با ابزارهای Low-Code مانند n8n
آشنایی با روشهای Evaluation سیستمهای مبتنی بر LLM
آشنایی با مدلهای متنباز و Hugging Face
آشنایی با پردازش تصویر یا مفاهیم بینایی ماشین
آشنایی با مدل های هوش مصنوعی روز مانند Kimi, Opus, ChatGPT o5
داشتن GitHub فعال یا نمونهکار قابل ارائه
سابقهٔ کاری طولانی شرط ما نیست؛ آنچه اهمیت دارد این است که بتوانید یک مسئلهٔ مشخص را از ابتدا تا تحویل ببرید.
به دنبال فردی هستیم که:
مسئلهمحور باشد، نه تسکمحور. بتواند کاری را تحویل بگیرد و ببندد، بدون اینکه لازم باشد هر مرحله برایش تعریف شود. وقتی به مانع میرسد، پیش از پرسیدن، خودش چند مسیر را امتحان کرده باشد.
اهل آزمایش و سنجش باشد. به فراخوانی صرف API اکتفا نکند؛ برای مسئلهٔ واقعی راهکار طراحی کند، کیفیت خروجی را اندازه بگیرد و بر پایهٔ نتیجه بهبود دهد، نه بر پایهٔ حدس.
کنجکاو و بهروز باشد. ابزارها و مقالات حوزهٔ Agentic AI را دنبال کند و بتواند ایدهٔ پژوهشی را به یک نمونهٔ عملی و قابل ارزیابی تبدیل کند.
دقیق و منظم باشد. کارش مستند و قابل تحویل به دیگری باشد. در محیطی که خروجی سیستم روی خط تولید واقعی اثر میگذارد، دقت و پیگیری بهاندازهٔ سرعت اهمیت دارد.
شرکت دانش بنیان مهندسی ویراساد پایش، فعال در زمینه افزایش بهرهوری تولید و کنترل کیفیت محصولات صنعتی با استفاده از هوش مصنوعی، پردازش تصویر و مانیتورینگ خط تولید با استفاده از سخت افزار اینترنت اشیا صنعتی، دارای محصولات بینایی ماشین تایید شده دانش بنیان