درباره موقعیت
ما به دنبال یک مهندس هوش مصنوعی هستیم که با استفاده از ابزارها و مدل‌های موجود، راهکارهای کاربردی برای نیازهای شرکت طراحی و پیاده‌سازی کند. تمرکز این نقش بر دو مسیر است:

1. ساخت راهکارها و عامل‌های هوشمند مبتنی بر مدل‌های زبانی بزرگ و ادغام آن‌ها در محصولات و سامانه‌های شرکت
2. بهبود و خودکارسازی فرایند توسعه نرم‌افزار با ابزارهای هوش مصنوعی

مسئولیت‌ها
- طراحی، توسعه و یکپارچه‌سازی راهکارهای مبتنی بر مدل‌های زبانی بزرگ با محصولات، سرویس‌ها و سامانه‌های داخلی، شامل طراحی Prompt و Context، استفاده از ابزار (Tool Calling)، خروجی ساختاریافته و حافظه
- طراحی و پیاده‌سازی Agentهای هوشمند و Workflowهای مبتنی بر آن‌ها، و در صورت نیاز سامانه‌های RAG و جست‌وجوی معنایی
- شناسایی فرایندهای تکراری یا زمان‌بر در شرکت و خودکارسازی آن‌ها
- بهبود فرایند توسعه نرم‌افزار با Coding Agentها و سایر ابزارهای هوش مصنوعی، از جمله در تست، بازبینی کد، رفع خطا، بازنویسی و مستندسازی
- طراحی و نگهداری دستورالعمل‌ها، Skillها و ابزارهای موردنیاز Agentهای کدنویسی، و بهبود Context پروژه‌ها (مانند فایل `AGENTS.md`) برای افزایش کیفیت عملکرد آن‌ها
- بررسی مستمر ابزارها، مدل‌ها و روش‌های جدید حوزه هوش مصنوعی، ارزیابی و مقایسه آن‌ها با روش‌های سنجش مناسب، و وارد کردن آن‌ها به فرایندها و محصولات شرکت در صورت ایجاد ارزش واقعی

مهارت‌های موردنیاز
- تسلط به Python و تجربه توسعه نرم‌افزار
- تجربه عملی کار با مدل‌های زبانی بزرگ و API سرویس‌های هوش مصنوعی، شامل Prompt Engineering، Context Engineering، Tool Calling و خروجی‌های ساختاریافته
- آشنایی با طراحی و پیاده‌سازی Agentهای هوشمند
- آشنایی با مفاهیم RAG، Embedding و جست‌وجوی معنایی
- توانایی طراحی و پیاده‌سازی API، اتصال سرویس‌های مختلف و ساخت Automation و ابزارهای داخلی
- درک مناسب از محدودیت‌ها، خطاها و چالش‌های مدل‌های زبانی، و توانایی طراحی روش ارزیابی برای مدل‌ها و Agentها
- توانایی کار با کدبیس‌های موجود و درک ساختار و معماری پروژه‌های نرم‌افزاری
- آشنایی مناسب با Git و فرایندهای توسعه تیمی
- آشنایی به Linux و ابزارهای خط فرمان
- تجربه کار با Docker

مواردی که مزیت محسوب می‌شوند
- آشنایی با PHP و Laravel
- تجربه عملی با Coding Agentهایی مانند Claude Code، Codex یا Cursor
- آشنایی با MCP و تجربه توسعه ابزار یا سرویس مبتنی بر آن
- تجربه کار با LangChain، LangGraph، LlamaIndex یا ابزارهای مشابه
- تجربه کار با پایگاه‌های برداری مانند Qdrant، MariaDB Vector یا Solr
- تجربه کار با مدل‌های متن‌باز و ابزارهای اجرای محلی آن‌ها، مانند Ollama، llama.cpp یا vLLM
- آشنایی با GitLab و CI/CD
- آشنایی با Logging، Monitoring و Observability در سامانه‌های مبتنی بر هوش مصنوعی