Engenheiro Sênior de IA

Descrição

Resumo: Junte-se à Seeking Alpha como Engenheiro Sênior de IA em Python especializado em IA Generativa para projetar fluxos de trabalho de agentes em um sistema de análise financeira de alta carga. Pontos de destaque: 1. Projetar orquestração complexa de agentes usando LangGraph para análise financeira. 2. Otimizar interações com modelos de linguagem grande (LLM) e garantir a confiabilidade de sistemas não determinísticos. 3. Priorizar o crescimento com oportunidades contínuas de aprendizado e progressão na carreira. **Junte-se a uma empresa que investe em você** A Seeking Alpha é a principal comunidade mundial de investidores engajados. Somos o destino preferencial para investidores que buscam opiniões acionárias acionáveis, análise de mercado em tempo real e insights financeiros exclusivos. Ao mesmo tempo, também nos dedicamos a criar um ambiente de trabalho onde nossa equipe floresce. Somos apaixonados por fomentar um ambiente flexível e equilibrado, com opções de trabalho remoto e uma série de benefícios que realmente fazem a diferença. Aqui, seu crescimento importa. Priorizamos seu desenvolvimento por meio de oportunidades contínuas de aprendizado e progressão na carreira, ajudando-o a atingir novos marcos. Junte-se à Seeking Alpha para fazer parte de uma empresa que valoriza sua trajetória única, apoia seu sucesso e defende tanto seu bem-estar pessoal quanto seus objetivos profissionais. **O que procuramos** **Visão geral do cargo:** Estamos desenvolvendo o **Ask Seeking Alpha** — um sistema de análise financeira de alta carga baseado em Modelos de Linguagem Grande (LLM). A arquitetura é construída sobre orquestração complexa de múltiplos agentes usando **LangGraph**, **FastAPI** e **Elasticsearch**. Procuramos um Engenheiro Sênior de IA em Python especializado em IA Generativa para projetar fluxos de trabalho de agentes, otimizar interações com modelos (OpenAI, AWS Bedrock) e garantir a confiabilidade de sistemas não determinísticos em produção. **Stack tecnológica:** Python (Asyncio), FastAPI, LangChain, LangGraph, Pydantic, Elasticsearch, AWS Bedrock / API OpenAI, LangSmith. Requisitos: * **Especialista em Python:** Domínio sólido do Python moderno. É obrigatória uma compreensão profunda dos padrões de **programação assíncrona (asyncio)**, pois todo o nosso pipeline de E/S (rede, banco de dados, LLM) é não bloqueante. Experiência com FastAPI e Pydantic (v2\). * **Frameworks de agentes:** Experiência em produção com **LangChain**. Experiência prática ou compreensão conceitual aprofundada de **LangGraph** (ou frameworks semelhantes de agentes baseados em máquinas de estado). **Especialização avançada em LLM (o que queremos dizer com "avançada"):** * **Gestão da não determinismo:** Estratégias para lidar com alucinações de LLM e garantir saídas confiáveis (por exemplo, loops de auto-correção, técnicas específicas de *prompting*, como CoT/ReAct). * **Saídas estruturadas:** Experiência forçando LLMs a aderirem a esquemas rigorosos (modo Pydantic/JSON) para processamento confiável em etapas posteriores. * **Otimização de contexto:** Estratégias avançadas para gerenciar janelas de contexto limitadas (cadeias de resumo, janelas deslizantes, injeção seletiva de contexto), além de simples truncamento. * **Economia de inferência:** Compreensão dos compromissos entre tamanho do modelo, latência e custo (por exemplo, quando rotear para GPT-4 versus um modelo menor/menos demorado). **Desejável** * Experiência com **Elasticsearch** (consultas DSL, analisadores). * Conhecimento de bancos de dados vetoriais e modelos de incorporação (*embedding*). * Experiência no setor de FinTech ou familiaridade com estruturas de dados financeiros. Suas responsabilidades: * **Arquitetura de agentes:** Projetar e implementar lógica complexa de orquestração de agentes usando **LangGraph**. Você definirá o gerenciamento de estado, roteamento condicional e tratamento de erros dentro do grafo de agentes. * **Engenharia de ferramentas:** Construir e otimizar a camada de ferramentas (*function calling*) que permite que os LLMs interajam com APIs financeiras internas e bancos de dados com precisão. * **Otimização de desempenho:** * Reduzir a latência ponta a ponta por meio de processamento assíncrono e transmissão contínua (*streaming*, SSE). * Implementar estratégias de cache semântico para minimizar custos de API e tempo de resposta. * Otimizar o uso de *tokens* sem sacrificar a qualidade das respostas. * **Observabilidade e avaliação:** Implementar pipelines automatizados de avaliação usando **LangSmith**. Você será responsável por configurar testes de regressão para *prompts* e agentes, medindo a qualidade (correção, fidelidade) antes da implantação. * **RAG avançado:** Refinar estratégias de recuperação. Trabalhar na implementação de busca híbrida (palavras-chave + vetores), reclassificação (*re-ranking*) e expansão de consultas para fornecer ao modelo o contexto mais relevante.