نحن نبحث عن مهندس ذكاء اصطناعي متكامل لبناء منتجات تعتمد على الذكاء الاصطناعي من البداية إلى النهاية: التطبيقات، الوكلاء، RAG/GraphRAG، NL2SQL، التقييمات، والمراقبة. ستقوم بتحويل قدرات LLM إلى ميزات موثوقة للمستخدم يمكن قياسها وتصحيحها وآمنة في الإنتاج.
ما ستقوم به

• بناء وامتلاك ميزات الذكاء الاصطناعي المتكاملة عبر الواجهة الأمامية والخلفية وطبقات البيانات لتطبيقات الويب.
• تصميم سير العمل الوكالي (وكيل واحد أو متعدد / A2A) الذي يمكنه التخطيط، والتوجيه، واستدعاء الأدوات، والتنسيق لإكمال المهام المعقدة.
• تنفيذ وتحسين خطوط أنابيب RAG، بما في ذلك استراتيجيات الاسترجاع، والتجزئة، والتضمينات، وإعادة الترتيب، والبحث الهجين عبر مصادر البيانات المتعددة.
• تصميم وتشغيل استرجاع على نمط GraphRAG فوق الرسوم البيانية المعرفية لدعم الاستدلال متعدد القفزات والحالات التي تتطلب علاقات كثيفة.
• بناء قدرات NL2SQL / NL2DB التي تحول اللغة الطبيعية إلى استعلامات آمنة ومصادق عليها ضد قواعد بيانات SQL، أو مستودعات، أو أنظمة تحليلات.
• تحديد وإدارة واجهات الأدوات وطبقات القدرات على نمط MCP حتى يتمكن الوكلاء من استدعاء واجهات برمجة التطبيقات الداخلية، وأدوات SaaS، وخدمات البيانات بعقود وتصاريح صحيحة.
• إنشاء خطوط أنابيب تقييم للمطالبات، والوكلاء، وRAG، وGraphRAG، وNL2SQL، واستخدام الأدوات، بما في ذلك اختبارات الانحدار، وتقييم LLM كقاضي، ودورات مراجعة بشرية.
• تجهيز أنظمة الذكاء الاصطناعي بالتتبع، والسجلات، والمقاييس، والأحداث المنظمة حتى تتمكن من تصحيح الأخطاء، وتتبع الإصدارات، وفهم السلوك عبر مسار الطلب بالكامل.
• بناء لوحات المعلومات والتنبيهات لمراقبة الجودة، والكمون، والتكلفة، وإشارات الأمان لميزات الذكاء الاصطناعي في الإنتاج.
• التعاون مع فرق المنتج، والتصميم، والبيانات، والمنصات للانتقال من النموذج الأولي إلى الإنتاج مع إضافة حواجز، واحتياطات، وتدفقات بشرية عند الحاجة.
• تجربة مستمرة مع نماذج جديدة، وتقنيات التحفيز، والهياكل، ثم تقطير ما يعمل إلى أنماط ومكتبات قابلة لإعادة الاستخدام للفريق.

المؤهلات المطلوبة

• خبرة عملية في شحن ميزات قائمة على LLM (وكلاء، RAG، استدعاء الأدوات، أو NL2SQL) إلى الإنتاج.
• خبرة قوية في الهندسة المتكاملة مع حزم الويب الحديثة (مثل TypeScript/React/Next.js بالإضافة إلى Python/Node.js).
• أساسيات قوية في الخلفية: واجهات برمجة التطبيقات REST/GraphQL، قواعد البيانات العلائقية، التخزين المؤقت، والنشر السحابي (AWS/GCP/Azure مع Docker/CI).
• خبرة في تصميم، وقياس، وتحسين سلوك الذكاء الاصطناعي باستخدام التقييمات، والمقاييس، وردود فعل المستخدمين الحقيقيين.
• قدرة على العمل عن كثب مع فرق المنتج، وامتلاك المشاريع من البداية إلى النهاية، وإجراء مقايضات عملية بين الجودة، والسرعة، والتكلفة.

التقنية المستخدمة
المجالأدوات مثال
الواجهة الأماميةReact، Next.js، TypeScript، Tailwind
الخلفيةPython، FastAPI، Node.js، PostgreSQL، Redis
تنسيق الذكاء الاصطناعيLangChain، LangGraph، Semantic Kernel، أطر وكيل مخصصة
الاسترجاعPinecone، Weaviate، FAISS، Elasticsearch، البحث الهجين
Graph / GraphRAGNeo4j، مخازن الرسوم البيانية، ربط الكيانات، خطوط أنابيب الرسوم البيانية المعرفية
التقييماتLangSmith، DeepEval، مجموعات المعايير المخصصة، تدفقات مراجعة بشرية
المراقبةLangfuse، Arize، W&B، OpenTelemetry، لوحات المعلومات المخصصة
البنية التحتيةAWS، Docker، Kubernetes، GitHub Actions