About Us

Established in 2018, Bybit is one of the world’s leading cryptocurrency exchanges and digital financial platforms, serving over 80 million users across more than 200 countries and regions. Powered by world-class technology and a user-first mindset, Bybit delivers a seamless ecosystem across trading, payments, wealth management, custody, institutional services, and Web3 — connecting users to the future of digital finance. Our core values define how we build. We listen, care and improve to create products and experiences that put users first. Backed by a global team of ambitious builders, problem-solvers, and innovators, we foster a high-performance and fast-moving environment where talent is empowered to drive real impact at the global scale. Supported by 24/7 multilingual customer service and a strong commitment to innovation, we are shaping the future of finance through technology, collaboration, and bold execution. Today, Bybit is recognized as one of the most trusted and transparent platforms in the digital asset industry, continuing to expand its global presence while building the infrastructure for the next generation of financial services.

岗位概述

我们正处于 AI 重塑金融基础设施的历史节点。作为 AI Agent 架构师，你将成为 AI 智能体系的核心构建者——不只是编写代码，而是定义下一代金融级 Agent 如何感知市场信号、规划执行路径、记忆业务上下文与跨系统协作。你将主导打造可承载真实金融场景的 Agent 体系，覆盖交易辅助、风控研判、合规监察、用户智能服务等核心业务，让 AI 在加密金融的高速、高压、高合规环境中真正自主完成复杂任务。这里没有边界模糊的分工，有的是直接影响亿级用户体验的技术决策权，以及一支对 LLM 与 Agent 技术有极高密度认知的精英工程团队。

核心职责

Agent 体系架构设计：主导设计 AI 智能体架构，定义 Agent 在 Openclaw 平台上的运行模型、生命周期管理与资源隔离策略；构建支撑交易辅助、风控研判、合规监察等金融核心场景的 Agent 能力基座，确保系统在高并发、低延迟、强合规约束下稳定运行。
金融场景 Agent 工程化落地：将交易信号分析、风险识别、监管合规、智能客服等业务需求转化为可执行的 Agent 工作流；设计任务规划链路（ReAct / Plan-and-Execute）、异常回退机制与结果验证体系，推动 Agent 从 PoC 快速进入生产环境。
Openclaw 平台建设与演进：深度参与 Openclaw Agent Runtime 的架构演进与性能优化；设计插件体系、能力注册中心与多 Agent 编排机制，降低业务团队接入成本，持续提升平台的扩展性与复用率。
工具生态与内部系统集成：构建标准化工具调用框架，打通 Bybit 内部交易引擎、风控系统、数据平台与外部 API；设计工具权限管控、调用链追踪与错误恢复机制，集成 MCP 等标准协议，构建金融级异构工具生态。
生产质量与可观测性体系：主导 Agent 系统的可观测性建设，包括 Trace 追踪、Evaluation 评测、成本监控与延迟治理；建立金融场景下的 Agent 质量基线与回归测试体系，持续提升系统稳定性与可解释性。
技术前瞻与团队赋能：持续追踪 Agent 领域前沿进展，将研究成果转化为 AI 工程实践；制定团队 Agent 开发规范与最佳实践，通过 Code Review、技术分享与方向评审推动团队整体 AI-native 工程能力提升。

任职要求

扎实的 LLM/Agent 工程经验：具备 3年以上 AI 系统开发经验，其中 1年以上大型语言模型（LLM）、RAG 或 Agent 系统的生产环境落地经验；具备 Openclaw 平台的开发与优化实战经验，熟悉其 Agent Runtime 架构、插件体系与多 Agent 编排机制，能基于 Openclaw 独立完成复杂 Agent 应用的工程化落地与性能调优。
系统架构能力：具备分布式系统设计能力，熟悉微服务架构、消息队列（Kafka / RabbitMQ）、异步任务调度等工程模式；能够独立完成从需求分析、架构设计到技术选型的完整决策链路。
编程能力：熟悉至少一门后端语言（Golang / Java / Node.js）；具备 REST API 设计与 Docker / Kubernetes 容器化部署能力。
LLM 核心技术理解：深入理解 Transformer 架构、Attention 机制、Prompt Engineering（CoT、Few-shot、Structured Output）；熟悉主流模型 API（OpenAI、Anthropic Claude、Google Gemini）及本地部署方案（Ollama、vLLM）。
工程质量意识：具备良好的代码设计习惯（设计模式、单元测试、CI/CD）；有构建 LLM 评测（Evaluation）体系或 Agent Tracing（LangSmith / Phoenix / Langfuse）的实战经验。

加分项

有 MCTS、A*、强化学习（RL）与 LLM 结合的规划/推理研究或工程经验，熟悉 SFT / RLHF 训练流程。
在金融、Web3、合规或其他高复杂度垂直领域有 Agent 系统落地经验，理解领域知识对 Agent 设计的特殊约束。
有开源贡献或在 NeurIPS / ICML / ACL / ICLR 等顶会发表过 Agent / RAG / LLM 相关论文。
具备多模态（Multimodal）Agent 开发经验，包括图文理解、文档解析（PDF / 财报 / 研报）等非结构化数据处理能力。
熟悉 MCP（Model Context Protocol）或参与过 Agent 标准协议的设计与实现。

About the Role

We're at an inflection point where AI is fundamentally reshaping financial infrastructure. As an AI Agent Architect, you will be a core builder of AI's intelligent ecosystem — not just writing code, but defining how next-generation financial-grade Agents perceive market signals, plan execution paths, retain business context, and orchestrate across systems. You will lead the construction of Agent capabilities purpose-built for real financial scenarios: trading intelligence, risk assessment, compliance monitoring, and smart user services — engineered to operate autonomously in crypto finance's high-velocity, high-stakes, and high-compliance environment. This is a role with genuine technical ownership. You'll make architectural decisions that directly shape the experience of hundreds of millions of users, alongside an elite engineering team with exceptional depth in LLM and Agent technology.

Key Responsibilities

Agent Architecture Design: Lead the architectural design of AI's intelligent Agent layer — defining agent execution models, lifecycle management, and resource isolation strategies on the Openclaw platform. Build the foundational Agent capabilities powering core financial scenarios including trading intelligence, risk assessment, and compliance monitoring, engineered for high-concurrency, low-latency, and regulatory-grade reliability.
Financial Scenario Agent Engineering: Translate complex financial use cases — trading signal analysis, risk identification, regulatory compliance, and intelligent customer service — into production-ready Agent workflows. Design task planning chains (ReAct / Plan-and-Execute), fallback and error recovery mechanisms, and result validation frameworks that accelerate the path from PoC to production.
Openclaw Platform Development & Evolution: Contribute deeply to the architectural evolution and performance optimization of the Openclaw Agent Runtime. Design the plugin ecosystem, capability registry, and multi-agent orchestration mechanisms to reduce onboarding friction for product teams and improve platform extensibility and reusability.
Tool Ecosystem & Internal System Integration: Build a standardized tool-calling framework connecting Bybit's internal trading engine, risk systems, data platforms, and external APIs. Design tool permission controls, call-chain tracing, and error recovery; integrate standards such as MCP to unify a financial-grade heterogeneous tool ecosystem.
Production Quality & Observability: Lead the observability stack for Agent systems, including trace monitoring, evaluation pipelines, cost tracking, and latency governance. Establish quality baselines and regression testing frameworks for financial Agent scenarios, continuously improving system stability and interpretability.
Technical Vision & Team Enablement: Track and internalize cutting-edge Agent research, translating advances into AI engineering practice. Define team-wide Agent development standards and best practices; drive AI-native engineering capability uplift through code reviews, technical sharing, and architectural reviews.

Requirements

Proven LLM / Agent Engineering Experience: 3+ years of AI systems development experience, including 1+ year of production experience with Large Language Models (LLMs), RAG systems, or Agent frameworks; hands-on development and optimization experience with Openclaw, including familiarity with its Agent Runtime architecture, plugin ecosystem, and multi-agent orchestration mechanisms.
Systems Architecture Proficiency: Strong distributed systems design skills including microservices architecture, message queues (Kafka / RabbitMQ), and async task scheduling; capable of independently driving the full decision chain from requirements analysis through architecture design to technology selection.
Programming Expertise: Proficiency in at least one backend language (Golang / Java / Node.js); solid REST API design and containerized deployment skills (Docker / Kubernetes).
Deep LLM Technical Understanding: Strong grasp of Transformer architecture, Attention mechanisms, and advanced Prompt Engineering (CoT, Few-shot, Structured Output); experience with major model APIs (OpenAI, Anthropic Claude, Google Gemini) and local deployment solutions (Ollama, vLLM).
Engineering Quality Standards: Strong software design fundamentals (design patterns, unit testing, CI/CD); hands-on experience building LLM evaluation frameworks or Agent tracing pipelines (LangSmith / Phoenix / Langfuse).

Nice to Have

Experience combining MCTS, A*, or Reinforcement Learning (RL) with LLMs for planning and reasoning; familiarity with SFT / RLHF training pipelines.
Proven Agent system deployments in high-complexity vertical domains such as Finance, Web3, or Compliance, with an understanding of domain-specific constraints on Agent design.
Open-source contributions or publications in NeurIPS / ICML / ACL / ICLR on Agent, RAG, or LLM-related topics.
Experience with multimodal Agent development, including vision-language understanding and unstructured document parsing (PDFs, financial reports, research papers).
Familiarity with MCP (Model Context Protocol) or prior involvement in designing and implementing Agent communication standards.

Why Join Us

At Bybit, we are committed to fostering a supportive and enriching work environment. Our benefits include:

Study Growth Fund: We support your professional development and continuous learning.
Internal Events: Participate in regular team-building activities, workshops, and events designed to promote collaboration and innovation.
Global Collaboration: Be part of a diverse, international team, working alongside colleagues from around the world.
Career Advancement: Access opportunities for growth and advancement within a rapidly expanding global company.
Internal Mobility: Grow with us- Your long-term development is important to us. We offer internal job opportunities to help build your career path.

About Us

岗位概述

核心职责

Agent 体系架构设计：主导设计 AI 智能体架构，定义 Agent 在 Openclaw 平台上的运行模型、生命周期管理与资源隔离策略；构建支撑交易辅助、风控研判、合规监察等金融核心场景的 Agent 能力基座，确保系统在高并发、低延迟、强合规约束下稳定运行。
金融场景 Agent 工程化落地：将交易信号分析、风险识别、监管合规、智能客服等业务需求转化为可执行的 Agent 工作流；设计任务规划链路（ReAct / Plan-and-Execute）、异常回退机制与结果验证体系，推动 Agent 从 PoC 快速进入生产环境。
Openclaw 平台建设与演进：深度参与 Openclaw Agent Runtime 的架构演进与性能优化；设计插件体系、能力注册中心与多 Agent 编排机制，降低业务团队接入成本，持续提升平台的扩展性与复用率。
工具生态与内部系统集成：构建标准化工具调用框架，打通 Bybit 内部交易引擎、风控系统、数据平台与外部 API；设计工具权限管控、调用链追踪与错误恢复机制，集成 MCP 等标准协议，构建金融级异构工具生态。
生产质量与可观测性体系：主导 Agent 系统的可观测性建设，包括 Trace 追踪、Evaluation 评测、成本监控与延迟治理；建立金融场景下的 Agent 质量基线与回归测试体系，持续提升系统稳定性与可解释性。
技术前瞻与团队赋能：持续追踪 Agent 领域前沿进展，将研究成果转化为 AI 工程实践；制定团队 Agent 开发规范与最佳实践，通过 Code Review、技术分享与方向评审推动团队整体 AI-native 工程能力提升。

任职要求

扎实的 LLM/Agent 工程经验：具备 3年以上 AI 系统开发经验，其中 1年以上大型语言模型（LLM）、RAG 或 Agent 系统的生产环境落地经验；具备 Openclaw 平台的开发与优化实战经验，熟悉其 Agent Runtime 架构、插件体系与多 Agent 编排机制，能基于 Openclaw 独立完成复杂 Agent 应用的工程化落地与性能调优。
系统架构能力：具备分布式系统设计能力，熟悉微服务架构、消息队列（Kafka / RabbitMQ）、异步任务调度等工程模式；能够独立完成从需求分析、架构设计到技术选型的完整决策链路。
编程能力：熟悉至少一门后端语言（Golang / Java / Node.js）；具备 REST API 设计与 Docker / Kubernetes 容器化部署能力。
LLM 核心技术理解：深入理解 Transformer 架构、Attention 机制、Prompt Engineering（CoT、Few-shot、Structured Output）；熟悉主流模型 API（OpenAI、Anthropic Claude、Google Gemini）及本地部署方案（Ollama、vLLM）。
工程质量意识：具备良好的代码设计习惯（设计模式、单元测试、CI/CD）；有构建 LLM 评测（Evaluation）体系或 Agent Tracing（LangSmith / Phoenix / Langfuse）的实战经验。

加分项

有 MCTS、A*、强化学习（RL）与 LLM 结合的规划/推理研究或工程经验，熟悉 SFT / RLHF 训练流程。
在金融、Web3、合规或其他高复杂度垂直领域有 Agent 系统落地经验，理解领域知识对 Agent 设计的特殊约束。
有开源贡献或在 NeurIPS / ICML / ACL / ICLR 等顶会发表过 Agent / RAG / LLM 相关论文。
具备多模态（Multimodal）Agent 开发经验，包括图文理解、文档解析（PDF / 财报 / 研报）等非结构化数据处理能力。
熟悉 MCP（Model Context Protocol）或参与过 Agent 标准协议的设计与实现。

About the Role

Key Responsibilities

Agent Architecture Design: Lead the architectural design of AI's intelligent Agent layer — defining agent execution models, lifecycle management, and resource isolation strategies on the Openclaw platform. Build the foundational Agent capabilities powering core financial scenarios including trading intelligence, risk assessment, and compliance monitoring, engineered for high-concurrency, low-latency, and regulatory-grade reliability.
Financial Scenario Agent Engineering: Translate complex financial use cases — trading signal analysis, risk identification, regulatory compliance, and intelligent customer service — into production-ready Agent workflows. Design task planning chains (ReAct / Plan-and-Execute), fallback and error recovery mechanisms, and result validation frameworks that accelerate the path from PoC to production.
Openclaw Platform Development & Evolution: Contribute deeply to the architectural evolution and performance optimization of the Openclaw Agent Runtime. Design the plugin ecosystem, capability registry, and multi-agent orchestration mechanisms to reduce onboarding friction for product teams and improve platform extensibility and reusability.
Tool Ecosystem & Internal System Integration: Build a standardized tool-calling framework connecting Bybit's internal trading engine, risk systems, data platforms, and external APIs. Design tool permission controls, call-chain tracing, and error recovery; integrate standards such as MCP to unify a financial-grade heterogeneous tool ecosystem.
Production Quality & Observability: Lead the observability stack for Agent systems, including trace monitoring, evaluation pipelines, cost tracking, and latency governance. Establish quality baselines and regression testing frameworks for financial Agent scenarios, continuously improving system stability and interpretability.
Technical Vision & Team Enablement: Track and internalize cutting-edge Agent research, translating advances into AI engineering practice. Define team-wide Agent development standards and best practices; drive AI-native engineering capability uplift through code reviews, technical sharing, and architectural reviews.

Requirements

Proven LLM / Agent Engineering Experience: 3+ years of AI systems development experience, including 1+ year of production experience with Large Language Models (LLMs), RAG systems, or Agent frameworks; hands-on development and optimization experience with Openclaw, including familiarity with its Agent Runtime architecture, plugin ecosystem, and multi-agent orchestration mechanisms.
Systems Architecture Proficiency: Strong distributed systems design skills including microservices architecture, message queues (Kafka / RabbitMQ), and async task scheduling; capable of independently driving the full decision chain from requirements analysis through architecture design to technology selection.
Programming Expertise: Proficiency in at least one backend language (Golang / Java / Node.js); solid REST API design and containerized deployment skills (Docker / Kubernetes).
Deep LLM Technical Understanding: Strong grasp of Transformer architecture, Attention mechanisms, and advanced Prompt Engineering (CoT, Few-shot, Structured Output); experience with major model APIs (OpenAI, Anthropic Claude, Google Gemini) and local deployment solutions (Ollama, vLLM).
Engineering Quality Standards: Strong software design fundamentals (design patterns, unit testing, CI/CD); hands-on experience building LLM evaluation frameworks or Agent tracing pipelines (LangSmith / Phoenix / Langfuse).

Nice to Have

Experience combining MCTS, A*, or Reinforcement Learning (RL) with LLMs for planning and reasoning; familiarity with SFT / RLHF training pipelines.
Proven Agent system deployments in high-complexity vertical domains such as Finance, Web3, or Compliance, with an understanding of domain-specific constraints on Agent design.
Open-source contributions or publications in NeurIPS / ICML / ACL / ICLR on Agent, RAG, or LLM-related topics.
Experience with multimodal Agent development, including vision-language understanding and unstructured document parsing (PDFs, financial reports, research papers).
Familiarity with MCP (Model Context Protocol) or prior involvement in designing and implementing Agent communication standards.

Why Join Us

At Bybit, we are committed to fostering a supportive and enriching work environment. Our benefits include:

Study Growth Fund: We support your professional development and continuous learning.
Internal Events: Participate in regular team-building activities, workshops, and events designed to promote collaboration and innovation.
Global Collaboration: Be part of a diverse, international team, working alongside colleagues from around the world.
Career Advancement: Access opportunities for growth and advancement within a rapidly expanding global company.
Internal Mobility: Grow with us- Your long-term development is important to us. We offer internal job opportunities to help build your career path.

Основанная в 2018 году, Bybit является одной из ведущих мировых криптовалютных бирж и платформ цифровых финансов, обслуживающей более 80 миллионов пользователей в более чем 200 странах и регионах. Используя передовые технологии и клиентоориентированный подход, Bybit предоставляет бесшовную экосистему, охватывающую торговлю, платежи, управление активами, хранение, институциональные услуги и Web3, соединяя пользователей с будущим цифровых финансов. Наши основные ценности определяют наш подход к работе. Мы слушаем, заботимся и совершенствуемся, чтобы создавать продукты и опыт, ориентированные на пользователя. Опираясь на глобальную команду амбициозных разработчиков, решателей проблем и новаторов, мы создаем высокопроизводительную и динамичную среду, где талантливые люди имеют возможность оказывать реальное влияние в глобальном масштабе. Благодаря круглосуточной многоязычной поддержке клиентов и твердой приверженности инновациям мы формируем будущее финансов посредством технологий, сотрудничества и смелой реализации. Сегодня Bybit признана одной из самых надежных и прозрачных платформ в индустрии цифровых активов, продолжая расширять свое глобальное присутствие и создавая инфраструктуру для следующего поколения финансовых услуг.

岗位概述

Мы находимся на историческом этапе, когда ИИ перестраивает финансовую инфраструктуру. В качестве архитектора ИИ-агентов вы станете ключевым создателем интеллектуальной экосистемы ИИ — не просто пишете код, а определяете, как финансовые агенты следующего поколения воспринимают рыночные сигналы, планируют пути выполнения, сохраняют бизнес-контекст и координируют работу между системами. Вы будете руководить созданием системы агентов, предназначенной для реальных финансовых сценариев, охватывающих помощь в торговле, оценку рисков, надзор за соответствием требованиям, интеллектуальные услуги для пользователей и т. д., позволяя ИИ автономно выполнять сложные задачи в среде криптовалютных финансов с высокой скоростью, высоким давлением и высокими требованиями к соответствию. Здесь нет размытых границ ответственности, а есть прямое влияние на принятие технических решений, затрагивающих сотни миллионов пользователей, а также элитная команда инженеров с глубоким пониманием технологий LLM и агентов.

Мы находимся на переломном этапе, когда ИИ коренным образом меняет финансовую инфраструктуру. В качестве архитектора ИИ-агентов вы станете ключевым создателем интеллектуальной экосистемы ИИ — не просто пишете код, а определяете, как финансовые агенты следующего поколения воспринимают рыночные сигналы, планируют пути выполнения, сохраняют бизнес-контекст и координируют работу между системами. Вы будете руководить созданием возможностей агентов, специально предназначенных для реальных финансовых сценариев: торговая аналитика, оценка рисков, мониторинг соответствия требованиям и интеллектуальные услуги для клиентов — разработанных для автономной работы в условиях высокой скорости, высоких ставок и высоких требований к соответствию в крипто-финансах. Эта роль предполагает реальную техническую ответственность. Вы будете принимать архитектурные решения, которые напрямую формируют опыт сотен миллионов пользователей, вместе с элитной инженерной командой, обладающей исключительным опытом в области технологий LLM и агентов.

В Bybit мы стремимся создавать поддерживающую и обогащающую рабочую среду.

Архитектурное проектирование системы агентов: Руководство архитектурным проектированием слоя интеллектуальных агентов ИИ — определение моделей выполнения агентов, управления жизненным циклом и стратегий изоляции ресурсов на платформе Openclaw. Создание фундаментальных возможностей агентов, поддерживающих ключевые финансовые сценарии, включая помощь в торговле, оценку рисков и мониторинг соответствия требованиям, разработанных для высокой параллельности, низкой задержки и соответствия нормативным требованиям
Инженерная реализация агентов для финансовых сценариев: Преобразование сложных финансовых вариантов использования — анализ торговых сигналов, идентификация рисков, соблюдение нормативных требований, интеллектуальное обслуживание клиентов — в готовые к производству рабочие процессы агентов. Проектирование цепочек планирования задач (ReAct / Plan-and-Execute), механизмов отката и восстановления после ошибок, а также фреймворков для проверки результатов, которые ускоряют переход от PoC к производству
Разработка и развитие платформы Openclaw: Глубокое участие в архитектурной эволюции и оптимизации производительности Openclaw Agent Runtime. Проектирование экосистемы плагинов, реестра возможностей и механизмов оркестрации нескольких агентов для снижения сложностей при интеграции для продуктовых команд и повышения расширяемости и повторного использования платформы
Экосистема инструментов и интеграция с внутренними системами: Создание стандартизированного фреймворка для вызова инструментов, связывающего внутренние торговые движки Bybit, системы управления рисками, платформы данных и внешние API. Проектирование контроля разрешений на использование инструментов, отслеживания цепочек вызовов и механизмов восстановления после ошибок; интеграция стандартов, таких как MCP, для унификации гетерогенной экосистемы инструментов финансового уровня
Производственное качество и наблюдаемость: Руководство стеком наблюдаемости для систем агентов, включая мониторинг трассировки, конвейеры оценки, отслеживание затрат и управление задержками. Создание базовых показателей качества и фреймворков регрессионного тестирования для финансовых сценариев агентов, постоянно повышая стабильность и интерпретируемость системы
Техническое видение и поддержка команды: Отслеживание и внедрение передовых исследований в области агентов, перевод достижений в практику инженерии ИИ. Определение общекомандных стандартов разработки агентов и лучших практик; стимулирование повышения инженерных возможностей на основе ИИ посредством проверки кода, технических обменов и архитектурных обзоров
Проектирование архитектуры агентов: Руководство архитектурным проектированием слоя интеллектуальных агентов ИИ — определение моделей выполнения агентов, управления жизненным циклом и стратегий изоляции ресурсов на платформе Openclaw. Создание фундаментальных возможностей агентов, поддерживающих ключевые финансовые сценарии, включая торговую аналитику, оценку рисков и мониторинг соответствия требованиям, разработанных для высокой параллельности, низкой задержки и соответствия нормативным требованиям
Инженерная реализация агентов для финансовых сценариев: Преобразование сложных финансовых вариантов использования — анализ торговых сигналов, идентификация рисков, соблюдение нормативных требований, интеллектуальное обслуживание клиентов — в готовые к производству рабочие процессы агентов. Проектирование цепочек планирования задач (ReAct / Plan-and-Execute), механизмов отката и восстановления после ошибок, а также фреймворков для проверки результатов, которые ускоряют переход от PoC к производству
Разработка и развитие платформы Openclaw: Глубокое участие в архитектурной эволюции и оптимизации производительности Openclaw Agent Runtime. Проектирование экосистемы плагинов, реестра возможностей и механизмов оркестрации нескольких агентов для снижения сложностей при интеграции для продуктовых команд и повышения расширяемости и повторного использования платформы
Экосистема инструментов и интеграция с внутренними системами: Создание стандартизированного фреймворка для вызова инструментов, связывающего внутренние торговые движки Bybit, системы управления рисками, платформы данных и внешние API. Проектирование контроля разрешений на использование инструментов, отслеживания цепочек вызовов и механизмов восстановления после ошибок; интеграция стандартов, таких как MCP, для унификации гетерогенной экосистемы инструментов финансового уровня
Производственное качество и наблюдаемость: Руководство стеком наблюдаемости для систем агентов, включая мониторинг трассировки, конвейеры оценки, отслеживание затрат и управление задержками. Создание базовых показателей качества и фреймворков регрессионного тестирования для финансовых сценариев агентов, постоянно повышая стабильность и интерпретируемость системы
Техническое видение и поддержка команды: Отслеживание и внедрение передовых исследований в области агентов, перевод достижений в практику инженерии ИИ. Определение общекомандных стандартов разработки агентов и лучших практик; стимулирование повышения инженерных возможностей на основе ИИ посредством проверки кода, технических обменов и архитектурных обзоров

Подтвержденный опыт в инженерии LLM / агентов: Более 3 лет опыта разработки ИИ-систем, в том числе более 1 года производственного опыта работы с большими языковыми моделями (LLM), системами RAG или фреймворками агентов; практический опыт разработки и оптимизации Openclaw, включая знакомство с его архитектурой Agent Runtime, экосистемой плагинов и механизмами оркестрации нескольких агентов
Владение системной архитектурой: Сильные навыки проектирования распределенных систем, включая микросервисную архитектуру, очереди сообщений (Kafka / RabbitMQ) и асинхронное планирование задач; способность самостоятельно управлять полным циклом принятия решений от анализа требований до проектирования архитектуры и выбора технологий
Экспертиза в программировании: Владение как минимум одним серверным языком (Golang / Java / Node.js); солидные навыки проектирования REST API и контейнеризированного развертывания (Docker / Kubernetes)
Глубокое понимание технических аспектов LLM: Твердое понимание архитектуры Transformer, механизмов Attention и продвинутого Prompt Engineering (CoT, Few-shot, Structured Output); опыт работы с основными API моделей (OpenAI, Anthropic Claude, Google Gemini) и решениями для локального развертывания (Ollama, vLLM)
Стандарты качества инженерии: Сильные основы проектирования программного обеспечения (паттерны проектирования, модульное тестирование, CI/CD); практический опыт создания фреймворков оценки LLM (Evaluation) или конвейеров отслеживания агентов (LangSmith / Phoenix / Langfuse)

Плюсом будет

Опыт сочетания MCTS, A* или обучения с подкреплением (RL) с LLM для планирования и рассуждений; знакомство с конвейерами обучения SFT / RLHF
Подтвержденный опыт развертывания систем агентов в высокосложных вертикальных областях, таких как финансы, Web3 или комплаенс, с пониманием специфических для предметной области ограничений на проектирование агентов
Вклад в open-source проекты или публикации в ведущих конференциях, таких как NeurIPS / ICML / ACL / ICLR, по темам, связанным с агентами, RAG или LLM
Опыт разработки мультимодальных агентов, включая понимание изображений и текста, а также обработку неструктурированных документов (PDF, финансовые отчеты, исследовательские работы)
Знакомство с MCP (Model Context Protocol) или предыдущее участие в проектировании и реализации стандартов связи между агентами
Подтвержденный опыт в инженерии LLM / агентов: Более 3 лет опыта разработки ИИ-систем, в том числе более 1 года производственного опыта работы с большими языковыми моделями (LLM), системами RAG или фреймворками агентов; практический опыт разработки и оптимизации Openclaw, включая знакомство с его архитектурой Agent Runtime, экосистемой плагинов и механизмами оркестрации нескольких агентов
Владение системной архитектурой: Сильные навыки проектирования распределенных систем, включая микросервисную архитектуру, очереди сообщений (Kafka / RabbitMQ) и асинхронное планирование задач; способность самостоятельно управлять полным циклом принятия решений от анализа требований до проектирования архитектуры и выбора технологий
Экспертиза в программировании: Владение как минимум одним серверным языком (Golang / Java / Node.js); солидные навыки проектирования REST API и контейнеризированного развертывания (Docker / Kubernetes)
Глубокое понимание технических аспектов LLM: Твердое понимание архитектуры Transformer, механизмов Attention и продвинутого Prompt Engineering (CoT, Few-shot, Structured Output); опыт работы с основными API моделей (OpenAI, Anthropic Claude, Google Gemini) и решениями для локального развертывания (Ollama, vLLM)
Стандарты качества инженерии: Сильные основы проектирования программного обеспечения (паттерны проектирования, модульное тестирование, CI/CD); практический опыт создания фреймворков оценки LLM (Evaluation) или конвейеров отслеживания агентов (LangSmith / Phoenix / Langfuse)

Опыт сочетания MCTS, A* или обучения с подкреплением (RL) с LLM для планирования и рассуждений; знакомство с конвейерами обучения SFT / RLHF
Подтвержденный опыт развертывания систем агентов в высокосложных вертикальных областях, таких как финансы, Web3 или комплаенс, с пониманием специфических для предметной области ограничений на проектирование агентов
Вклад в open-source проекты или публикации в ведущих конференциях, таких как NeurIPS / ICML / ACL / ICLR, по темам, связанным с агентами, RAG или LLM
Опыт разработки мультимодальных агентов, включая понимание изображений и текста, а также обработку неструктурированных документов (PDF, финансовые отчеты, исследовательские работы)
Знакомство с MCP (Model Context Protocol) или предыдущее участие в проектировании и реализации стандартов связи между агентами

Фонд развития обучения: Мы поддерживаем ваше профессиональное развитие и непрерывное обучение
Внутренние мероприятия: Участвуйте в регулярных мероприятиях по построению команды, семинарах и мероприятиях, направленных на развитие сотрудничества и инноваций
Глобальное сотрудничество: Станьте частью разнообразной международной команды, работая вместе с коллегами со всего мира
Карьерный рост: Получите возможности для роста и продвижения в быстрорастущей глобальной компании
Внутренняя мобильность: Развивайтесь вместе с нами — ваше долгосрочное развитие важно для нас. Мы предлагаем внутренние вакансии, чтобы помочь построить ваш карьерный путь

Описание

About Us

岗位概述

核心职责

任职要求

加分项

About the Role

Key Responsibilities

Requirements

Nice to Have

Why Join Us

Описание

About Us

岗位概述

核心职责

任职要求

加分项

About the Role

Key Responsibilities

Requirements

Nice to Have

Why Join Us

Подходит ли тебе эта вакансия?

Ключевые навыки

Оценка зарплаты

Похожие вакансии

Agentic AI Engineer

Lead AI Engineer (LLM & Agents)

Senior AI Engineer / Agentic AI Architect

Agentic Engineer [Zeal]

Agentic AI Engineer

AI Engineer - Generative AI and Agents

SDE III - Engineering Productivity (AI)

Разработчик AI агентов

Senior AI Agent Engineer

Senior Engineer, Agent Harness Engineering

Senior Software Engineer – Agent Systems

Senior AI / GenAI & Agentic Engineer

Детали

Сопроводительное письмо к вакансии

О вакансии

岗位概述

Задачи

Требования

Плюсом будет

Будет плюсом

Условия