مهندس الذكاء الاصطناعي

• تصميم وصيانة البنية التحتية الوكيلية، بما في ذلك منطق التنسيق، ومعالجة الجلسات، وإدارة الحالة، وواجهات الخدمة الخلفية الموثوقة.
• تصميم عمليات التكامل القوية وخوادم MCP مع تحديد الحدود الدقيقة ومعالجات استرداد الأخطاء الشاملة.
• تنفيذ التتبع الشامل للمراقبة للنداءات النموذجية، والاسترجاع، وتنفيذ الأدوات مع الالتزام بمعايير OpenTelemetry GenAI.
• بناء مجموعات التقييم، والنقاط المرجعية، واختبارات الانحدار للتحقق من صحة دورات النماذج وقياس حالات الحافة في الإنتاج بشكل منهجي.
• إجراء تحليل عميق للسبب الجذري للفشل في وقت التشغيل، والحلقات، وتدهور السياق، أو المخرجات الخيالية لتعزيز مرونة النظام.
• فرض ضوابط الحماية في وقت التشغيل، وعتبات التكلفة، وإذن RBAC، ومخططات التحقق من المخرجات، والتحفيزات للتحقق من صحة التفاعلات البشرية.
• مراقبة التطورات الصناعية، وأبحاث الذكاء الاصطناعي الناشئة، والأنماط المعمارية، ومشاركة الأفكار التقنية عبر المنظمة الهندسية.
• خبرة عميقة في هندسة البرمجيات في لغة برمجة حديثة، مع إعطاء الأولوية للعمق الخوارزمي على نطاق اللغات المتعددة السطحية.
• أسس قوية في علوم الكمبيوتر في هياكل البيانات، والخوارزميات، وتخصيص الذاكرة، وأنماط التنفيذ المتوازية.
• خبرة عملية في البنية التحتية للخلفية: واجهات برمجة التطبيقات REST/gRPC، وقواعد البيانات العلائقية/غير العلائقية، وأدوار التخزين المؤقت، وطرق الرسائل، ومرونة الأنظمة الموزعة.
• إتقان Git، وأطر الاختبار الآلية، وخطوط أنابيب CI/CD، وكتابة البرمجيات النظيفة القابلة للصيانة.
• نموذج ذهني شامل لآليات LLM: قيود نافذة السياق، والتوكنيز، وبروتوكولات استدعاء الدوال، والسلوكيات غير المحددة، وإدارة الخيال.
• سجل موثق في تنفيذ مشاريع تقنية ذات دورة حياة كاملة في بيئات الإنتاج، أو العمل الأكاديمي، أو المصادر المفتوحة، أو المبادرات الجانبية.
• مهارات دقيقة في استكشاف الأخطاء وإصلاحها مع القدرة على توضيح منهجيات استكشاف الأخطاء وإصلاحها المنهجية.
• مهارات قوية في التوثيق التقني والتواصل المكتوب لتوضيح سلوكيات النظام الموزع المعقدة.
• المبتدئون: يركزون على الأسس التقنية، وحل المشكلات الخوارزمية، والفضول. لا يُطلب خبرة وكيلية سابقة؛ يتم توفير الإرشاد لتوسيع النطاق على مدار وحدات محددة بوضوح.
• المستوى المتوسط: يمتلكون الأنظمة الفرعية من البداية إلى النهاية، ويترجمون المتطلبات الغامضة إلى بنية قوية، ويثبتون سجلًا موثقًا لشحن وصيانة الخدمات الإنتاجية.
• مستوى متقدم: يقودون الاتجاه المعماري الاستراتيجي، ويمتلكون خبرة عملية في توسيع الأنظمة غير المحددة، ويرفعون ممارسات الهندسة على نطاق الفريق، ويطرحون بشكل نشط الافتراضات التقنية.
• خبرة عملية في تطوير نماذج التطبيقات المدمجة مع واجهات برمجة التطبيقات LLM.
• الاطلاع على بروتوكول سياق النموذج (MCP) أو عمليات التكامل المخصصة للأدوات.
• فهم فهرسة قاعدة البيانات المتجهة، وتوليد التضمين، وخطوط أنابيب الاسترجاع (RAG).
• خبرة في البنية التحتية السحابية (AWS مفضلة)، والتحويلات (Docker/Kubernetes)، أو أدوات التتبع، أو أدوات التكوين الآلي.
• معرفة بمفاهيم أمن الذكاء الاصطناعي، وتخفيف حقن المحفز، وتصميم التهديدات.
• مساهمات مفتوحة المصدر نشطة أو مشاركة مجتمعية.
• خبرة واسعة في أطر الوكلاء المحددة، نظرًا لطبيعة النظام البيئي الناشئة.
• خلفية بحث الذكاء الاصطناعي الأكاديمي، أو درجات الماجستير في التعلم الآلي، أو الاستدلال الرياضي للتراجع الخلفي.
• خبرة عميقة في تدريب النماذج الأساسية أو عمليات ضبطها.
• عروض محفظة خالية من العيوب؛ يتم التركيز على العمق التقني والمنطق في حل المشكلات.
• مسارات مهنية تقليدية صارمة؛ يتم تقييم الخلفيات الهندسية غير التقليدية والذاتية التعليم بشكل متساوٍ.

المهارات المطلوبة