Systems Limited تعلن عن وظيفة Forward Deployed Engineer - GenAI في السعودية
Forward Deployed Engineer - GenAI
تفاصيل الوظيفة
Systems Limited تبحث عن مهندس نشر أمامي متخصص في الذكاء الاصطناعي التوليدي (GenAI) للعمل في المملكة العربية السعودية.
نبذة عن الوظيفة
بناء تطبيقات ذكاء اصطناعي توليدي - ميزات تعمل بواسطة نماذج اللغة الكبيرة (LLM)، وخطوط أنابيب RAG، والبحث المؤسسي - تُنشر إلى بيئة الإنتاج وليس مجرد عرض توضيحي.
المهام والمسؤوليات
- بناء تطبيقات GenAI - ميزات مبنية على LLM، وتجارب المساعد (Copilot) والدردشة، والبحث المؤسسي.
- تصميم وتنفيذ خطوط أنابيب RAG: استراتيجية التقسيم (chunking)، اختيار التضمين (embedding)، الاسترجاع الهجين، إعادة الترتيب (re-ranking)، وGraphRAG عندما تكون الاسترجاعات المهيكلة مطلوبة.
- ضبط دقيق للنماذج باستخدام تقنيات LoRA/QLoRA عندما لا يكون تحسين الاستعلامات (prompt engineering) وRAG كافيين.
- هندسة وإدارة إصدارات الاستعلامات الإنتاجية (prompts)؛ بناء طبقة إدارة الاستعلامات والسياق داخل التطبيق.
- دمج واجهات LLM (OpenAI، Anthropic، Azure OpenAI) ونقاط نهاية النماذج مفتوحة المصدر مع المصادقة، تحديد معدل الطلبات، وضوابط التكلفة.
- تجهيز التطبيقات للتقييم - تسجيل المخرجات، قياس الجودة، حلقات التغذية الراجعة البشرية.
- تحسين زمن الاستجابة وتكلفة الرموز (token cost) عبر آليات التخزين المؤقت، التجميع، واستراتيجيات توجيه النماذج.
- ترجمة متطلبات العملاء التجارية إلى مواصفات ملموسة لميزات GenAI.
- إيصال المفاضلات التقنية (التكلفة، زمن الاستجابة، الدقة) إلى أصحاب المصلحة غير التقنيين.
- التعاون مع مهندس العوامل الذكية (Agentic AI Architect) وعلماء البيانات في المكونات المشتركة.
- توثيق قرارات العمارة وتصميم الاستعلامات لتسليم العمل وصيانته.
الشروط والمتطلبات
- خبرة من 4 إلى 8 سنوات في هندسة البرمجيات، منها من 1 إلى 3 سنوات عملية في بناء تطبيقات GenAI/LLM.
- إتقان قوي للغة Python؛ خبرة في استخدام LangChain، LlamaIndex أو أطر التنسيق المماثلة.
- خبرة في قواعد البيانات المتجهة واستراتيجيات التضمين (Pinecone، Weaviate، pgvector)، بالإضافة إلى أدوات قواعد المعرفة/الرسوم البيانية (Neo4j) عند الحاجة.
- فهم أنماط فشل LLM (الهلوسة، حدود نافذة السياق، تضخم التكلفة) وتصميم إجراءات التخفيف.
- خبرة في تقنيات الضبط الدقيق للنماذج (LoRA/QLoRA) وأدوات التقييم (evaluation harnesses).
- خبرة عملية في منصات GenAI/العوامل المؤسسية - Microsoft Azure AI Foundry، AWS Bedrock (بما في ذلك Strands Agents SDK)، وGoogle Vertex AI؛ كما تُعدّ أطر العمل مفتوحة المصدر (LangChain، LlamaIndex) ميزة إضافية عندما لا تكون المنصة مفروضة.
- خبرة في تصميم ودمج واجهات برمجة التطبيقات (APIs)، بما في ذلك المصادقة، تحديد معدل الطلبات، والاستجابات المتدفقة.
- إلمام بأدوات إدارة إصدارات الاستعلامات وعمليات LLMOps (مثل LangSmith، Weights & Biases أو ما يشابهها).
- قدرة على كتابة تقنية واضحة - توثيق بنية RAG لجهة غير تقنية.
- الراحة في العمل المباشر مع مهندسي العملاء أثناء التسليم المدمج.
- روح التعاون - العمل مع المهندسين المعماريين وعلماء البيانات وفرق ضمان الجودة دون الحاجة إلى تحديد كل شيء مسبقاً.
- القدرة على التكيف في حالات الغموض - الأنظمة القائمة على الاستعلامات تتطلب تكراراً سريعاً وتحمل المحاولات الأولى غير المكتملة.
عرض النص الأصلي للإعلان
ABOUT:
Builds generative AI applications - LLM-powered features, RAG pipelines, and enterprise search that ship to production, not just a demo.
KEY RESPONSIBILITIES
- Build GenAI applications - LLM-powered features, copilot/chat experiences, enterprise search
- Design and implement RAG pipelines: chunking strategy, embedding selection, hybrid retrieval, re-ranking, GraphRAG where structured retrieval is needed
- Fine-tune and adapt models (LoRA/QLoRA) when prompt engineering and RAG aren't sufficient
- Engineer and version production prompts; build prompt/context management into the application layer
- Integrate LLM APIs (OpenAI, Anthropic, Azure OpenAI) and open-source model endpoints with auth, rate-limiting, and cost controls
- Instrument applications for evaluation - output logging, quality scoring, human-feedback loops
- Optimize latency and token cost through caching, batching, and model routing strategies
- Translate client business requirements into concrete GenAI feature specifications
- Communicate technical tradeoffs (cost, latency, accuracy) to non-technical product stakeholders
- Collaborate with the Agentic AI Architect and Data Scientists on shared components
- Document architecture and prompt design decisions for handoff and maintainability
REQUIREMENTS & SKILLS
- 4-8 yrs software engineering, with 1-3 yrs hands-on GenAI/LLM application building
- Strong Python; experience with LangChain, LlamaIndex, or equivalent orchestration frameworks
- Vector databases and embedding strategies (Pinecone, Weaviate, pgvector), plus knowledge-graph/graph-database tooling (Neo4j) where relevant
- Understands LLM failure modes (hallucination, context-window limits, cost blowup) and designs mitigations
- Experience with model fine-tuning techniques (LoRA/QLoRA) and evaluation harnesses
- Hands-on with enterprise GenAI/agentic platforms - Microsoft Azure AI Foundry, AWS Bedrock (incl. Strands Agents SDK), and Google Vertex AI; open-source frameworks (LangChain, LlamaIndex) a good-to-have where no platform is mandated
- API design and integration experience, including auth, rate limiting, and streaming responses
- Familiarity with prompt-versioning and LLMOps tooling (LangSmith, Weights & Biases, or similar)
- Clear technical writing - documents a RAG architecture for a non-technical stakeholder
- Comfortable working directly with client engineers during embedded delivery
- Collaborative - works with architects, data scientists, and QA without needing everything pre-specified
- Adaptable under ambiguity - prompt-based systems require rapid iteration and tolerance for imperfect first attempts
المصدر: LinkedIn - أُضيفت للموقع في 2 سبتمبر 2026
رقم الإعلان لدى المصدر: 4462148905
رقم الإعلان لدى المصدر: 4462148905