Equifax یک شرکت جهانی در حوزه‌های مالی، فین‌تک و امنیت سایبری است که بر تبدیل داده‌ها به بینش برای تصمیم‌گیری‌های حساس تمرکز دارد. خدمات این شرکت شامل گزارش‌دهی اعتباری، مدل‌سازی ریسک، حفاظت از هویت، تحلیل داده، فناوری ابری و هوش مصنوعی است و به مؤسسات مالی، کارفرمایان و نهادهای دولتی ارائه می‌شود. دفتر مرکزی Equifax در آتلانتا قرار دارد و این شرکت نزدیک به ۱۵٬۰۰۰ کارمند در ۲۴ کشور دارد. Equifax با ترکیب داده‌های اختصاصی و فناوری، به مشتریان خود در تصمیم‌گیری آگاهانه کمک می‌کند.
مهندس نرم‌افزار II، هوش مصنوعی عامل‌محور
در Equifax عامل‌های LLM، خط لوله‌های تولید افزوده با بازیابی و گردش‌کارهای هوش مصنوعی سازمانی بسازید. با Python، چارچوب‌های هماهنگ‌سازی، APIها و پایگاه‌های داده برداری سامانه‌های پایدار توسعه دهید.
توضیحات
- با چارچوب‌هایی مانند LangGraph، AutoGen یا LlamaIndex گردش‌کارهای عاملِ حالت‌مند و چندمرحله‌ای بسازید.
- با تکنیک‌هایی مانند Chain-of-Thought (CoT) و ReAct پرامپت‌ها را بهبود دهید.
- برای فراخوانی ابزارها و توابع LLM، پوشش‌دهنده‌های API قابل‌اعتماد و طرح‌واره‌های سخت‌گیرانه JSON ایجاد کنید.
- عامل‌ها را به‌صورت امن به پایگاه‌های داده داخلی، CRMها و سامانه‌های سازمانی متصل کنید.
- با استفاده از بافرهای حافظه کوتاه‌مدت و ذخیره‌سازی برداری یا رابطه‌ای بلندمدت، نگهداری زمینه را توسعه دهید.
- خط لوله‌های ورود داده با توان عملیاتی بالا بسازید و نگهداری کنید.
- با جست‌وجوی ترکیبی، تنظیم تع嵌ه‌ها و رتبه‌بندی مجدد، ارتباط نتایج جست‌وجو را بهبود دهید.
- برای محدودیت نرخ، خطاهای API و توهم‌زایی، مدیریت خطا و تلاش مجدد اضافه کنید.
- عامل‌ها را قادر کنید خروجی‌های خود را اصلاح کنند یا موضوع را به‌روشنی به اپراتورهای انسانی ارجاع دهند.
- با روش‌های LLM-as-a-judge آزمون‌ها و ارزیابی‌های نرم‌افزاری قطعی بنویسید.
- برای بررسی مسیرهای استدلال، جلوگیری از حلقه‌های بی‌نهایت و کاهش تأخیر، از ابزارهای ردیابی مانند LangSmith و Phoenix استفاده کنید.
- نمونه‌های اولیه هوش مصنوعی را به سامانه‌های تولیدی قابل‌اعتماد تبدیل کنید.
- کد تمیز و کارآمد بنویسید؛ پرامپت‌های LLM را بهبود دهید؛ APIها را یکپارچه کنید؛ و گردش‌کارهای عاملِ حالت‌مند را مدیریت کنید.
شرایط لازم
- ۳ تا ۶ سال تجربه در مهندسی نرم‌افزار اصلی داشته باشید.
- دست‌کم یک سال تجربه عملی در ساخت و استقرار برنامه‌های LLM تولیدی، خط لوله‌های RAG یا گردش‌کارهای عامل‌محور داشته باشید.
- در Python، از جمله FastAPI، Pydantic و Asyncio، مهارت داشته باشید.
- تجربه عملی با چارچوب‌های هماهنگ‌سازی LLM مانند LangGraph، LangChain، AutoGen یا LlamaIndex داشته باشید.
- در نوشتن طرح‌واره‌های JSON برای فراخوانی تابع تجربه داشته باشید.
- در ساخت پوشش‌دهنده‌های API مبتنی بر REST یا gRPC تجربه داشته باشید.
- تجربه کار با پایگاه‌های داده برداری داشته باشید.
- در استفاده از پلتفرم‌های مشاهده‌پذیری برای ردیابی اجرای عامل، پایش تأخیر و ارزیابی پرامپت‌ها تجربه داشته باشید.
- در CI/CD، گردش‌کارهای Git، آزمون‌های واحد و یکپارچه‌سازی، Docker و توسعه نرم‌افزار تمیز و مقیاس‌پذیر پایه‌ای قوی داشته باشید.
- تجربه عملی با خدمات هوش مصنوعی بومی ابری GCP، از جمله Vertex AI، ADK و Model Armour، داشته باشید.
- با چارچوب‌های محافظ معنایی مانند NeMo Guardrails یا Guardrails AI آشنا باشید.
- با تنظیم دقیق، سفارشی‌سازی تع嵌ه‌ها یا استقرار محلی مدل‌های متن‌باز آشنایی داشته باشید.
مزایا
- بسته‌های جامع جبران خدمات و مراقبت‌های درمانی.
- مرخصی باحقوق.
- فرصت‌های رشد شغلی از طریق پلتفرم یادگیری آنلاین با مسیرهای شغلی هدایت‌شده.
- محیط کاری ترکیبی.