مهندس ذكاء اصطناعي تطبيقي – هندسة وتطوير الموجهات

الوصف

في Klipboard، قدمنا سياسة عمل هجينة مرنة، حيث يقضي الموظفون ثلاثة أيام في المكتب ويومان يعملون من المنزل. يعزز هذا النهج بيئة عمل متوازنة تجمع بين التعاون المكتبي وراحة العمل عن بعد وملاءمته. توفر Klipboard برامج وخدمات ودعمًا متخصصًا لتقديم حلول متكاملة لإدارة التجارة والأعمال للشركات في مجال التجارة التوزيعية – أينما كانوا في العالم. بفضل عمق فريد من المعرفة والخبرة في حلول تخطيط موارد المؤسسات/البرمجيات كخدمة (ERP/SaaS)، تضم Klipboard مجموعة واسعة من العملاء تشمل تجار الجملة والموزعين والتجار وتجار التجزئة من التجار الصغار إلى الشركات متعددة الجنسيات. لدى Klipboard مكاتب في المملكة المتحدة وأيرلندا وهولندا وجنوب إفريقيا وكينيا وأمريكا الشمالية. مهمتنا بسيطة: تصميم وتقديم حلول تخطيط موارد المؤسسات عالية الأداء والمتكاملة التي تمكن عملائنا في التجارة التوزيعية من التوريد بفعالية، والتخزين بكفاءة، والبيع بربحية، وتقديم خدمة تنافسية. Klipboard هي شركة عالمية ومتنامية تتبنى الذكاء الاصطناعي والتقنيات الناشئة لتعزيز نتائج العملاء والتعاون والتحسين المستمر. نحن نبحث عن أشخاص فضوليين أو متمكنين في مجال الذكاء الاصطناعي، ومنفتحين على التغيير، ومتحمسين لتعلم كيف يمكن للتكنولوجيا تحسين طريقة عملنا ومساعدة عملائنا، وهو ما يدعمه دائمًا الفهم البشري القوي والتواصل. دور بناء عملي: نقل ميزات الذكاء الاصطناعي من الفكرة إلى البرامج المشحونة والجاهزة للعمل بسرعة، داخل منتجات حقيقية تعتمد عليها الشركات الحقيقية. أنت تصمم الموجهات، وتدير السياق، وتدمج النماذج، وتبني التقييمات، وتتعامل مع البنية الأساسية والتلميع – كل ذلك. الأهم من ذلك، أن معظم هذا العمل يحدث في قواعد بيانات C# .NET الموجودة، وليس في مشاريع جديدة. لقد كانت منتجات Klipboard تحقق أرباحًا لسنوات، وتتمثل المهمة في دمج قدرات الذكاء الاصطناعي الحديثة فيها بشكل نظيف، دون كسر ما يعمل بالفعل. السرعة مهمة هنا، ولكن السرعة مع الأدلة – كل ميزة ذكاء اصطناعي تحتاج إلى تقييم قبل أن يراها العملاء. نفضل أن تشحن شيئًا مقاسًا وصادقًا في هذا السبرنت بدلاً من شيء مثالي في الربع التالي. المسؤوليات الرئيسية: مسؤوليات الدور - بناء ميزات الذكاء الاصطناعي بسرعة وبشكل صحيح – من تصميم الموجهات والسياق إلى التكامل الكامل لنموذج اللغة الكبير (LLM) في قواعد بيانات C# .NET الموجودة. - جعلها جاهزة للإنتاج – معالجة الأخطاء، والاحتياطيات، وإدارة زمن الاستجابة، والتسجيل، والمراقبة، والتقييم الصلب قبل وصول أي شيء إلى العميل. - البقاء على اطلاع ومشاركة المعرفة أثناء العمل – مواكبة التطورات السريعة في المجال ونشر المعرفة من خلال الكود والأمثلة والمحادثة. الأنشطة والمساهمات الرئيسية - تصميم وبناء الموجهات، واستراتيجيات السياق، وتكاملات LLM لميزات المنتج، في المجالات التي يكون فيها السعر الخاطئ بثقة، أو تطابق الجزء، أو الإجابة الجاهزة أسوأ من عدم وجود إجابة. - العمل بشكل أساسي في C# .NET، ودمج قدرات الذكاء الاصطناعي في قواعد البيانات الموجودة من خلال حدود خدمة نظيفة، وتجريدات معقولة، واحترام الكود الموجود بالفعل. - التحرك بسرعة في المواعيد النهائية الحقيقية – النماذج الأولية في أيام، والتصلب في أسابيع، ومعرفة الفرق بين الزاوية التي يمكن قطعها وتلك التي لا يمكن. - بناء التقييم جنبًا إلى جنب مع الميزة، وليس بعدها – الاختبار مقابل حالات العمل الحقيقية، وقياس الجودة بصدق، وترك الأرقام تحسم الجدل. - التعامل مع الأجزاء غير الجذابة بشكل جيد: معالجة الأخطاء، والاحتياطيات عندما يتصرف النموذج بشكل خاطئ، وزمن الاستجابة، وتكلفة الرمز المميز، والتسجيل والمراقبة. - العمل مع المهندسين الذين يمتلكون كل قاعدة بيانات، والتكيف مع أنماطهم وخطوط أنابيبهم بدلاً من إدخال شيء لا يمكن لأحد آخر صيانته. - مواكبة تغير النماذج والأدوات والموردين، والاختيار العملي بناءً على الجودة والتكلفة وزمن الاستجابة بدلاً من العادة. - مشاركة ما تتعلمه مع المهندسين من حولك من خلال الكود والأمثلة والمحادثة. - العمل مع مديري المنتجات، ومالكي المنتجات، وخبراء الموضوع لفهم مشكلة العمل بشكل صحيح، لأن أفضل موجه لا يمكنه إنقاذ متطلب تم فهمه بشكل خاطئ. الأنظمة والأدوات والتكنولوجيا - C# .NET (لغة التطوير الأساسية) - واجهات برمجة تطبيقات نماذج اللغة الكبيرة عبر مزودين متعددين - أدوات ترميز الذكاء الاصطناعي: GitHub Copilot، Cursor أو ما يعادلها - هندسة الموجهات وأنماط تصميم السياق - التوليد المعزز بالاسترجاع (RAG)، البحث المتجه، التضمينات (مرغوب فيه) - أطر التقييم وخطوط أنابيب الجودة الآلية لمخرجات الذكاء الاصطناعي الخبرة الفنية والمهنية - خبرة إنتاجية قوية مع C# .NET، بما في ذلك العمل في قواعد بيانات موجودة لم تكتبها، وشحن التغييرات إليها بأمان. - خبرة عملية في البناء باستخدام نماذج اللغة الكبيرة: تصميم الموجهات، وهندسة السياق، والمخرجات المنظمة، في العمل الحقيقي بدلاً من البرامج التعليمية. - سجل حافل بالشحن السريع، مع أمثلة على نقل شيء من الفكرة إلى برنامج يعمل في أسابيع بدلاً من أرباع. - خبرة في اختبار أو تقييم مخرجات LLM بطريقة منظمة، واستخدام النتائج لتحسين الجودة. - إتقان يومي لأدوات ترميز الذكاء الاصطناعي مثل GitHub Copilot، Cursor أو ما يعادلها. المسؤوليات والمساهمات الأساسية - تسليم ميزات الذكاء الاصطناعي من البداية إلى النهاية: من فهم المتطلبات إلى القدرة الإنتاجية للمنتج المشحون والمقيم. - الحفاظ على جودة جاهزة للإنتاج: معالجة الأخطاء، والاحتياطيات، وإدارة زمن الاستجابة، والتسجيل والمراقبة – ميزة الذكاء الاصطناعي هي برنامج إنتاجي، مع طرق إضافية للفشل. - الاهتمام بالدقة والسلامة ومعالجة البيانات – يعتمد العملاء في أعمالهم على الإجابات التي تقدمها برامجنا. - ترك الأشياء موثقة بشكل أفضل مما وجدتها، حتى يتمكن المهندس التالي من متابعة عملك دون الحاجة إلى مشروع أثري. - النماذج الأولية بسرعة، والتصلب بشكل صحيح، ومعرفة الفرق بين الزاوية التي يمكن قطعها وتلك التي لا يمكن. تجربة العملاء - التأكد من أن ميزات الذكاء الاصطناعي تقدم إجابات دقيقة وموثوقة – السعر الخاطئ بثقة، أو تطابق الجزء، أو الإجابة الجاهزة أسوأ من عدم وجود إجابة على الإطلاق. - فهم مشكلة العمل وراء كل ميزة، وليس فقط الحل التقني. - العمل مع مديري المنتجات وخبراء الموضوع لضمان أن قدرة الذكاء الاصطناعي تخدم احتياجات العملاء حقًا. النتائج والأنشطة الرئيسية - قدرة الذكاء الاصطناعي تم شحنها في منتج واحد على الأقل مع تقييم خلفها في غضون الأشهر الستة الأولى. - تم بناء شيء ما من الفكرة إلى العملاء في أسابيع، وصمد في الإنتاج. - غيرت نتائج التقييم قرارًا واحدًا على الأقل، بما في ذلك، بشكل مثالي، قتل شيء لم يكن جيدًا بما يكفي للشحن. - التقط المهندسون من حولك تقنيات من عملك، على الرغم من أن التدريس ليس وظيفتك الأساسية. - يمكنك شرح مشكلة العمل وراء كل ميزة قمت ببنائها، وليس فقط الحل التقني. الأشخاص والتعاون والثقافة - التحيز للعمل – يفضل بناء النسخة الصغيرة اليوم والتعلم منها بدلاً من التخطيط للنسخة الكبيرة لمدة شهر. - صادق بشأن الجودة – يقيس، ويظهر العمل، ولا يشحن شيئًا لن يقف وراءه. - يحترم الكود الموجود والمهندسين الذين يحافظون عليه – الأنظمة القائمة موجودة لسبب ما، والعمل بشكل جيد ضمنها مهارة تفخر بها. - فضولي بشأن المهن التي يعمل فيها عملاء Klipboard، لأن تفاصيل المجال هي من أين تأتي الموجهات الجيدة. - مرتاح للتغيير – ستبدو الأدوات مختلفة في غضون ستة أشهر، وهذا يناسبك تمامًا. مسؤوليات إضافية (وفقًا لهيكل وظائف الشركة) - ترك الوثائق في حالة أفضل مما وجدتها حتى يتمكن المهندس التالي من متابعة عملك دون الحاجة إلى السؤال. - المساهمة في المعرفة المشتركة ومعايير الهندسة مع نضوج ممارسة الذكاء الاصطناعي للفريق. العلاقات الرئيسية (الداخلية والخارجية) الداخلية - مديري المنتجات ومالكي المنتجات (فهم المتطلبات وتحديد نطاق الميزات) - فرق الهندسة التي تمتلك قواعد البيانات الموجودة التي تبني فيها - خبراء الموضوع في قطاعات منتجات Klipboard (التجارة التوزيعية)

ما ستقوم به

• • ستقوم بتصميم وبناء ودمج ميزات الذكاء الاصطناعي في قواعد بيانات C# .NET الموجودة، مع ضمان أنها جاهزة للإنتاج بتقييم ومراقبة مناسبين. ستتعاون مع مديري المنتجات وفرق الهندسة لحل مشكلات العمل مع الحفاظ على معايير عالية للدقة والأداء.

المتطلبات

يتطلب الدور خبرة إنتاجية قوية مع C# .NET وخبرة عملية في البناء باستخدام نماذج اللغة الكبيرة، بما في ذلك تصميم الموجهات والتقييم. يجب على المرشحين إظهار سجل حافل بشحن البرامج بسرعة وإتقان أدوات ترميز الذكاء الاصطناعي مثل GitHub Copilot أو Cursor.

المزايا

• • - سياسة عمل هجينة مرنة
• • - خيارات العمل عن بعد

الأسئلة الشائعة