FourKites, Inc.
FourKites, Inc.
FourKites, Inc. พัฒนาแพลตฟอร์มที่ช่วยให้มองเห็นห่วงโซ่อุปทานทั่วโลก ซึ่งช่วยให้องค์กรติดตามและประสานงานด้านโลจิสติกส์ได้แบบเรียลไทม์ แอปพลิเคชันของบริษัทผสานรวมข้อมูลด้านการขนส่ง สินค้าคงคลัง และการดำเนินงานในลานจัดเก็บ ทำให้ทีมต่าง ๆ มองเห็นภาพรวมของการจัดส่งและกิจกรรมในห่วงโซ่อุปทานผ่านรูปแบบการขนส่งหลายประเภทได้ชัดเจนยิ่งขึ้น บริษัทให้บริการแบรนด์ชั้นนำมากกว่า 1,500 แบรนด์ รวมถึงธุรกิจด้านโลจิสติกส์ อาหารและเครื่องดื่ม เภสัชภัณฑ์ และการผลิต พร้อมเชื่อมต่อกับระบบระดับองค์กรเพื่อสนับสนุนการดำเนินงานที่มีประสิทธิภาพยิ่งขึ้น การควบคุมต้นทุน และการบริการลูกค้า

สถาปนิก AI ระดับ Principal ด้านระบบเอเจนต์

เป็นผู้นำการวางสถาปัตยกรรมเอเจนต์ AI ของ FourKites ตั้งแต่โมเดลและการจัดการบริบทไปจนถึงการประเมินผล สร้างแพลตฟอร์มเบื้องหลังผู้ปฏิบัติงานดิจิทัลด้านซัพพลายเชนที่ขับเคลื่อนด้วย AI

รายละเอียด

  • รับผิดชอบสถาปัตยกรรมของเอเจนต์ AI ของ FourKites ครอบคลุมการประมวลผล บริบท โมเดล และการประเมินผล
  • กำหนดสถาปัตยกรรมอ้างอิงของเอเจนต์สำหรับลูป การใช้เครื่องมือ สถานะ จุดตรวจ การลองใหม่ การกู้คืน กลไกป้องกัน สิทธิ์ และการส่งต่องานให้มนุษย์
  • ออกแบบเวิร์กโฟลว์หลายขั้นตอนที่ทนทาน ทำงานข้ามหน้าต่างบริบท และกู้คืนได้เมื่อเครื่องมือ API ของผู้ขนส่ง หรือโมเดลขัดข้อง
  • เลือกแนวทางที่เหมาะกับแต่ละปัญหา ตั้งแต่โมเดลแนวหน้าหรือโมเดลน้ำหนักเปิด ไปจนถึงเอนโค้ดเดอร์ที่ปรับแต่งแล้วหรือโค้ดทั่วไป
  • จัดการการกำหนดเส้นทางโมเดล ต้นทุนต่อภารกิจ และเป้าหมายด้านเวลาแฝงของเอเจนต์ทั้งหมด
  • เชื่อมต่อเอเจนต์กับ Kafka ไมโครเซอร์วิส Postgres API ของลูกค้า และเซิร์ฟเวอร์ MCP
  • กำหนดมาตรฐานหน้าต่างบริบทสำหรับพรอมป์ต์ เครื่องมือ เนื้อหาที่ดึงมา หน่วยความจำ และบทสนทนาก่อนหน้า โดยอยู่ภายในขีดจำกัดโทเคน
  • สร้างเครื่องมือที่ใช้ร่วมกันสำหรับการดึงข้อมูล การย่อบริบท การสรุป การแยกเอเจนต์ย่อย การแคชพรอมป์ต์ และหน่วยความจำถาวร
  • ตรวจสอบปัญหาบริบทและเปลี่ยนแนวทางแก้ไขให้เป็นรูปแบบการประมวลผลที่นำกลับมาใช้ได้
  • พัฒนาระบบประเมินผลออฟไลน์โดยใช้เทรซจากระบบจริง การตรวจสอบด้วยโค้ด การให้คะแนนโดย LLM-as-judge ที่ผ่านการปรับเทียบ และชุดทดสอบรีเกรสชัน CI
  • พัฒนาการประเมินผลออนไลน์ด้วยการให้คะแนนจากระบบจริง ตัวชี้วัดคุณภาพ การติดตามดริฟต์ การปล่อยแบบ shadow และ A/B สัญญาณป้อนกลับ และการแจ้งเตือนคุณภาพ
  • เชื่อมโยงตัวชี้วัดการประเมินผลกับผลลัพธ์ เช่น ความแม่นยำในการติดตาม การแก้ไขข้อยกเว้นโดยอัตโนมัติ และอัตราการจองเวลานัดหมายสำเร็จ
  • ตรวจทานการออกแบบและ pull request จัดทำเอกสารสถาปัตยกรรมและคู่มือปฏิบัติการ พร้อมให้คำปรึกษาแก่วิศวกรระดับ staff และ senior
  • ติดตามพัฒนาการของโมเดลและเครื่องมือ ทดลองใช้งาน และให้คำแนะนำว่าควรสร้าง ซื้อ หรือรอดูต่อไป
  • ทำงานร่วมกับทีมผลิตภัณฑ์ โซลูชัน และความสำเร็จของลูกค้า เพื่อนำปัญหาจากการใช้งานจริงมาพัฒนาแพลตฟอร์ม

คุณสมบัติ

  • เคยออกแบบสถาปัตยกรรมและดูแลระบบเอเจนต์ LLM ที่ให้บริการผู้ใช้จริงและทราฟฟิกระดับ production รวมถึงการเรียกใช้เครื่องมือ เวิร์กโฟลว์หลายขั้นตอน การจัดการข้อผิดพลาด และการส่งต่อให้บุคลากร
  • เคยเป็นเจ้าของระบบเอเจนต์ LLM หลังเปิดใช้งาน โดยดูแลเหตุขัดข้อง ต้นทุน และเวลาแฝง
  • มีความรู้เชิงลึกด้านแมชชีนเลิร์นนิง รวมถึง attention, positional encoding, สถาปัตยกรรม encoder และ decoder, tokenization และ KV cache
  • เคยฝึกหรือปรับแต่งโมเดล encoder เช่น โมเดลตระกูล BERT, sentence embedding, bi-encoder และ cross-encoder สำหรับจัดอันดับใหม่
  • เข้าใจการฝึกแบบ contrastive การกลั่นโมเดล และ quantization
  • เคยจัดการงบประมาณโทเคนและสร้างระบบ retrieval กับหน่วยความจำสำหรับเอเจนต์
  • เคยใช้การย่อบริบทและเอเจนต์ย่อย พร้อมวัดคุณภาพเมื่อหน้าต่างบริบทเต็มขึ้น
  • เคยสร้างชั้นประมวลผลเอเจนต์ที่มีลูป การส่งคำสั่งไปยังเครื่องมือ สถานะและจุดตรวจ การหยุดชะงักและกู้คืน การแยกสภาพแวดล้อมและสิทธิ์ กลไกป้องกัน และการกำหนดเส้นทางโมเดล
  • เชี่ยวชาญ MCP, structured output และการสตรีมข้อมูล
  • เคยสร้างชุดประเมินผลออฟไลน์และออนไลน์ ครอบคลุมชุดข้อมูล ผู้ให้คะแนน การปรับเทียบ LLM-as-judge เกณฑ์รีเกรสชัน CI การให้คะแนนจากระบบจริง การสุ่มตัวอย่างเทรซ การติดตามดริฟต์ การดีพลอยแบบ shadow และวงจรป้อนกลับ
  • มีประสบการณ์ด้านระบบซอฟต์แวร์หรือแมชชีนเลิร์นนิงอย่างน้อย 10 ปี โดยมีประสบการณ์พัฒนาด้วย LLM อย่างน้อย 3 ปี
  • มีทักษะ Python ที่แข็งแกร่งและลงมือปฏิบัติได้จริง
  • อ่านและตรวจทานบริการที่เขียนด้วย Java หรือ TypeScript ได้อย่างคล่องแคล่ว
  • มีประสบการณ์ใช้งานจริงกับ AWS หรือ GCP, คอนเทนเนอร์, Kubernetes และระบบขับเคลื่อนด้วยเหตุการณ์
  • สื่อสารได้อย่างมีประสิทธิภาพทั้งการเขียนและการสนทนา
  • พิจารณาเป็นพิเศษ: มีประสบการณ์ด้านซัพพลายเชน โลจิสติกส์ หรือการขนส่ง
  • พิจารณาเป็นพิเศษ: มีประสบการณ์ด้าน Document AI, OCR, โมเดลวิเคราะห์เลย์เอาต์ และการดึงข้อมูลจากใบตราส่งสินค้า ใบแจ้งหนี้ และเอกสารยืนยันการส่งมอบ
  • พิจารณาเป็นพิเศษ: มีประสบการณ์สร้างเอเจนต์เสียงหรืออีเมลที่ดำเนินการแทนธุรกิจ
  • พิจารณาเป็นพิเศษ: มีประสบการณ์ด้านความปลอดภัยของเอเจนต์ รวมถึงการป้องกัน prompt injection การกำหนดสิทธิ์เครื่องมือ และการแยกข้อมูลระหว่างผู้เช่า
  • พิจารณาเป็นพิเศษ: มีประสบการณ์กับ Claude, GPT, Gemini, โมเดลน้ำหนักเปิด และสแตกสำหรับให้บริการโมเดล
  • พิจารณาเป็นพิเศษ: มีผลงานตีพิมพ์ การบรรยาย หรือการร่วมพัฒนาโอเพนซอร์สด้านเอเจนต์ การดึงข้อมูล หรือการประเมินผล

สวัสดิการ

  • ค่าตอบแทนที่แข่งขันได้และสิทธิซื้อหุ้น
  • วันพักฟื้นทั่วโลก 5 วัน
  • วันลาพักร้อนแบบได้รับค่าจ้างอย่างเพียงพอและวันหยุดตามปกติ
  • สิทธิลาเพื่อเลี้ยงดูบุตรสำหรับผู้ปกครองทุกคน
  • เงินสนับสนุนสุขภาวะประจำปี
  • วันลาเพื่อทำงานอาสาสมัคร
  • สิทธิประโยชน์ด้านการรักษาพยาบาลเริ่มตั้งแต่วันแรกของการทำงาน
  • วันลารวม 36 วัน ครอบคลุมลาป่วย ลากิจ และวันลาพักร้อนสะสม
  • วันพักฟื้น 5 วัน
  • วันลาเพื่อทำงานอาสาสมัคร 2 วัน
  • เงินสนับสนุนการจัดตั้งโฮมออฟฟิศและเทคโนโลยี
  • สิทธิประโยชน์ด้านไลฟ์สไตล์และครอบครัว
  • การสนับสนุนและคำแนะนำด้านสุขภาวะทางใจ
  • การเรียนรู้และพัฒนาอย่างต่อเนื่อง รวมถึงโครงการพัฒนาวิชาชีพและชมรม Toastmasters