الوصف الوظيفي

الأدوار والمسؤوليات

نظرة عامة:

سوم يبني طبقة أصلية للذكاء الاصطناعي عبر سوق C2C لدينا، من محادثات العملاء إلى معالجة الطلبات الآلية، والاكتشاف الشخصي، والتوصيات، وإشارات الاحتيال، وأدوات البائعين. نحن نبحث عن مهندس GenAI كبير لتصميم وإطلاق أنظمة ذكاء اصطناعي جاهزة للإنتاج تؤثر على ملايين المستخدمين عبر رحلة الشراء والبيع.

ستعمل من البداية إلى النهاية: تصميم خدمات مدعومة بـ LLM على خلفية Python لدينا، ودمجها في واجهات المنتجات على واجهة React الخاصة بنا، والتعاون مع الفرق عبر الشركة للعثور على الأماكن التي يتحرك فيها الذكاء الاصطناعي حقًا. هذه هي دور البناء الكبير مع استقلالية عالية، ونطاق واسع، وتأثير حقيقي على الأعمال.

تصميم أنظمة GenAI الإنتاجية عبر مجالات متعددة، بما في ذلك الوكلاء المحادثين، وسير العمل الآلي للطلبات والنزاعات، والاكتشاف الشخصي والتوصيات، وتوليد المحتوى، وملاءمة البحث، وحالات الاستخدام الناشئة.
امتلاك الميزات من البداية إلى النهاية، من تحديد المشكلة واختيار النموذج إلى خدمات الخلفية (FastAPI، Python)، ودمج الواجهة الأمامية (React، TypeScript)، والتقييم، والنشر، والمراقبة.
تصميم سير العمل الوكيلة مع استدعاء الأدوات، والتفكير متعدد الخطوات، وتوليد معزز بالاسترجاع، ودمج مع واجهات برمجة التطبيقات الداخلية، وSaaS من طرف ثالث، والأنظمة المدفوعة بالأحداث.
بناء مجموعة الاسترجاع والتضمينات، بما في ذلك استراتيجيات التجزئة، واختيار نموذج التضمين، وفهارس المتجهات، والبحث الهجين، وإعادة التصنيف، وأنابيب تقييم الاسترجاع.
جعلها موثوقة وفعالة من حيث التكلفة من خلال البث، وتخزين المطالبات، وميزانيات الكمون، وتحسين تكاليف الرموز، والرؤية للاتصالات LLM، والانتقال بلطف عندما تتصرف النماذج أو المصادر بشكل خاطئ.
إقامة صرامة التقييم مع تقييمات غير متصلة بالإنترنت وعبر الإنترنت تغطي جودة الاستجابة، وصحة استدعاء الأدوات، ومعدل الهلوسة، ودقة الاسترجاع، ومؤشرات الأداء الرئيسية للأعمال.
قيادة التجريب والبحث من خلال تقييم النماذج الجديدة، والأطر، وأنماط الوكيل، وإجراء تجارب مركزة، وإدخال ما يعمل في الإنتاج.
توجيه ورفع المستوى للمهندسين عبر الفريق حول أفضل الممارسات في الذكاء الاصطناعي والتعلم الآلي، وهندسة المطالبات، وجاهزية الإنتاج.
الشراكة عبر الوظائف مع الإنتاج، والهندسة، والبيانات، والعمليات، وتجربة العملاء لتحديد فرص الذكاء الاصطناعي ذات التأثير العالي وشحنها.

قائمة غير شاملة من المجالات التي نقوم ببناء فيها بنشاط أو نريدها:

الذكاء الاصطناعي المحادثي لدعم العملاء، وحل النزاعات، ومساعدة البائعين
التعامل الآلي مع الطلبات، وتوجيه التصعيد، وتنظيم سير العمل
الاكتشاف الشخصي، والتوصيات، وملاءمة البحث
جودة القوائم، بما في ذلك العناوين والأوصاف التلقائية، والتصنيف، وفهم الصور
الثقة والسلامة، بما في ذلك إشارات الاحتيال، واكتشاف الشذوذ، وإدارة المحتوى
أدوات الوكلاء الداخلية لفرق العمليات وتجربة العملاء

span>من الجيد أن تملك /span>

خبرة في أنظمة التوصية، والتعلم للتصنيف، أو ملاءمة البحث على نطاق واسع.
خلفية سوقية أو C2C تغطي ديناميات المشترين والبائعين، والنزاعات، والاحتيال، والمدفوعات.
خبرة في النماذج متعددة الوسائط، بما في ذلك الرؤية وفهم الصور للقوائم.
خبرة في معالجة اللغة العربية أو المنتجات ثنائية اللغة.
خبرة في أطر الوكلاء (LangGraph، منسقون مخصصون) والحكم لمعرفة متى يجب استخدامها.
التخصيص الدقيق، LoRA، التقطير، أو استضافة نماذج الوزن المفتوح في الإنتاج.
المساهمات مفتوحة المصدر في أدوات LLM، وأطر التقييم، أو مكتبات الاسترجاع.

span>مطلوب /span>

5+ سنوات في بناء البرمجيات الإنتاجية، مع ما لا يقل عن سنتين في شحن ميزات مدعومة بـ LLM وML على نطاق واسع.
خبرة قوية في Python لخدمات الخلفية، والبرمجة النصية، وخطوط بيانات، وأدوات ML.
قدرة عمل في TypeScript وReact لدمج ميزات الذكاء الاصطناعي مباشرة في واجهات المنتجات.
خبرة إنتاجية مع مزودي LLM الرئيسيين (Gemini، Claude، GPT) تغطي استدعاء الأدوات والوظائف، والمخرجات الهيكلية، والبث، وتخزين المطالبات، والتحكم في التكاليف.
فهم عميق للتوليد المعزز بالاسترجاع (RAG): إدخال الوثائق، والتجزئة، وتوليد التضمينات، وقواعد بيانات المتجهات (pgvector، Pinecone، Weaviate، أو مشابه)، والاسترجاع الهجين، وإعادة التصنيف.
أساس قوي في التضمينات والبحث عن المتجهات: التمثيلات الكثيفة مقابل النادرة، مقاييس التشابه، استراتيجيات الفهرسة (HNSW، IVF)، وتجارة الأبعاد.
أساسيات قوية في ML وNLP: عمارة المحولات، والتجزئة، وتجارة التخصيص مقابل المطالبات، والتصنيف، والتصنيف، ومنهجية التقييم.
خبرة في البرمجة النصية والأتمتة لتحضير البيانات، وأحزمة تقييم النماذج، والتحليل غير المتصل.
الراحة مع قواعد البيانات العلائقية (PostgreSQL)، وطبقات التخزين المؤقت (Redis)، وREST، وSSE، وWebSockets، والهندسة المعمارية المدفوعة بالأحداث.
خبرة إنتاجية مع الرؤية، واختبار A/B، وإجراء تغييرات على النموذج بشكل آمن.

الملف الشخصي المطلوب للمرشحين

span>Required /span>

5+ years building production software, with at least 2 years shipping LLM and ML-powered features at scale.
Strong Python for backend services, scripting, data pipelines, and ML tooling.
Working ability in TypeScript and React for integrating AI features directly into product surfaces.
Production experience with major LLM providers (Gemini, Claude, GPT) covering tool and function calling, structured outputs, streaming, prompt caching, and cost control.
Deep understanding of Retrieval Augmented Generation (RAG): document ingestion, chunking, embedding generation, vector databases (pgvector, Pinecone, Weaviate, or similar), hybrid retrieval, and reranking.
Solid grounding in embeddings and vector search: dense vs. sparse representations, similarity metrics, indexing strategies (HNSW, IVF), and dimensionality tradeoffs.
Strong ML and NLP fundamentals: transformer architectures, tokenization, fine-tuning vs. prompting tradeoffs, classification, ranking, and evaluation methodology.
Experience with scripting and automation for data preparation, model evaluation harnesses, and offline analysis.
Comfortable with relational databases (PostgreSQL), caching layers (Redis), REST, SSE, WebSockets, and event-driven architectures.
Production experience with observability, A/B testing, and rolling out model changes safely.

مهندس حلول الذكاء الاصطناعي / GenAI SOUM

مهندس حلول الذكاء الاصطناعي / GenAI
SOUM