Movilges
Bjak
Engenheiro de Aplicações LLM
Sobre a ActAI
Existem mais de 5 bilhão de usuários utilizando aplicativos básicos hoje, como e-mail, notas, tarefas e calendário, que não são nativos em IA. Nossa missão é criar aplicativos proativos para qualquer pessoa no mundo que não esteja acostumada com prompting complexo. Nosso objetivo é trazer inteligência para conversas, tarefas, organização e fluxos de trabalho, com o mínimo ou nenhum prompting.
Nosso primeiro aplicativo é um app de comunicação móvel focado em agentes. Acreditamos que criar aplicativos que os usuários utilizam diariamente para comunicação, coordenação e colaboração ajudará a integrar a IA em suas vidas. O efeito líquido é eliminar a desinformação, alcançar baixos custos de coordenação e permitir tarefas e colaboração de alta qualidade em escala, com o mínimo ou pouco prompting.
Sobre a vaga
Como Engenheiro de Aplicações LLM, você construirá a camada de inteligência que impulsiona as experiências de IA da ActAI.
Foco
Você trabalhará na interseção de LLMs, engenharia de software e produto, projetando fluxos de trabalho de agentes, melhorando o comportamento do modelo e transformando capacidades de IA em experiências de usuário confiáveis.
Você será responsável por problemas de ponta a ponta, desde a compreensão das necessidades do usuário, design de fluxos de trabalho de agentes, integração de modelos e ferramentas, construção de sistemas de avaliação e melhoria contínua do comportamento da IA em produção.
- Construir e lançar aplicativos impulsionados por LLM e fluxos de trabalho de agentes de IA
- Projetar sistemas para raciocínio, planejamento, memória, uso de ferramentas e execução em várias etapas
- Construir pipelines de orquestração confiáveis que transformem saídas probabilísticas de modelos em ações previsíveis, observáveis e seguras
- Integrar LLMs com APIs, bancos de dados, busca, serviços internos e ferramentas externas.
- Desenvolver técnicas de prompting, engenharia de contexto, saídas estruturadas, chamadas de ferramentas e outras abordagens para melhorar o comportamento do modelo
- Construir frameworks de avaliação e conjuntos de dados para medir a qualidade, confiabilidade e regressões da IA
- Depurar sistemas de IA em toda a stack — desde o comportamento do modelo e prompts até a orquestração, serviços de backend e UX do produto
- Otimizar sistemas de IA para qualidade, latência e custo
- Trabalhar em estreita colaboração com as equipes de produto e engenharia para transformar problemas ambíguos de produto em soluções de IA funcionais
- Estabelecer práticas de produção para observabilidade, rastreamento, experimentação, avaliação e melhoria contínua
Stack Tecnológica
- Python
- APIs de LLM e provedores de modelos, incluindo APIs compatíveis com OpenAI e modelos de pesos abertos
- Frameworks de agentes e sistemas de orquestração
- Bancos de dados vetoriais e sistemas de recuperação
- Serviços de Backend, APIs e sistemas distribuídos
- PyTorch / JAX
Experiência Ideal
- Fundamentos sólidos de engenharia de software com experiência na construção de aplicativos impulsionados por IA
- Experiência prática com LLMs, IA generativa ou sistemas baseados em agentes
- Experiência em projetar prompts, fluxos de trabalho, avaliações ou comportamento de IA
- Capacidade de escrever código limpo e com qualidade de produção
- Conforto em trabalhar entre camadas de abstração (modelo → sistema → produto)
- Fortes habilidades de resolução de problemas em ambientes ambíguos e de ritmo acelerado
- Viés para entrega, iteração e melhoria contínua
Resultados
- Funcionalidades de IA chegam à produção rapidamente e entregam impacto mensurável ao usuário
- Fluxos de trabalho impulsionados por LLM são confiáveis, escaláveis, observáveis e sustentáveis
- A qualidade da IA melhora através de avaliação sistemática, experimentação e iteração
- Fluxos de trabalho de IA tornam-se cada vez mais previsíveis, eficientes e econômicos
- Capacidades complexas de IA são traduzidas em experiências de usuário simples e intuitivas
