Software Engineer (Prompt)

Wynagrodzenie:

• do 1 200 zł netto + VAT/dzień (B2B)

• do 16 000 zł brutto (UoP)

Model pracy:

Kraków - praca hybrydowa (3 dni z biura)

Poszukujemy doświadczonego Prompt Engineera, który będzie projektować i optymalizować zaawansowane prompty dla przypadków użycia związanych z rozumieniem dokumentów i ekstrakcją danych. Osoba na tym stanowisku będzie ściśle współpracować z interesariuszami biznesowymi oraz zespołem ML, aby tworzyć skuteczne i bezpieczne rozwiązania oparte na modelach językowych.

Twoje codzienne obowiązki obejmują:

• Projektowanie i optymalizacja promptów dostosowanych do specyficznych formatów dokumentów oraz zadań ekstrakcji danych

• Analiza struktur, semantyki i relacji klucz–wartość w dokumentach

• Tworzenie Proof of Concept (PoC) w Pythonie w celu weryfikacji skuteczności promptów i szybkiej iteracji

• Utrzymywanie biblioteki promptów – dbanie o jakość, reużywalność oraz zgodność z wytycznymi bezpieczeństwa i prywatności

• Walidacja promptów, testy obciążeniowe oraz modelowanie scenariuszy awaryjnych dla różnych LLM

• Analiza jakości wyników modeli i dostosowywanie promptów w zależności od specyfiki LLM

• Współpraca z inżynierami ML przy projektach fine-tuningu w celu poprawy dokładności modeli w określonych domenach dokumentów

• Dokumentowanie najlepszych praktyk, strategii i wyników eksperymentów w ustrukturyzowany sposób

• Identyfikowanie i przeciwdziałanie ryzykom związanym z prompt injection, halucynacjami modeli oraz innymi podatnościami LLM

Idealnie sprawdzisz się w tej roli, jeśli posiadasz:

• Doświadczenie w pracy z prompt engineeringiem (min. 2 projekty LLM w środowisku produkcyjnym)

• Bardzo dobra znajomość struktury i kontekstu promptów

• Biegłość w Pythonie, w tym doświadczenie z API LLM, frameworkami do prompt engineeringu oraz narzędziami do manipulacji danymi (np. Pandas)

• Praktyczne doświadczenie w implementacji co najmniej jednego procesu fine-tuningu lub RAG (Retrieval-Augmented Generation)

• Znajomość narzędzi i metryk do ewaluacji promptów (np. BLEU, ROUGE, semantyczne podobieństwo) oraz pracy w modelu human-in-the-loop

• Zrozumienie zagadnień bezpieczeństwa związanych z LLM (prompt injection, filtrowanie wyjść, ograniczenia API, strukturyzacja wyników)

• Umiejętność przekładania złożonych wymagań dokumentacyjnych na logikę promptów

• Analityczne podejście, dbałość o szczegóły zarówno na poziomie koncepcji, jak i spójności wyników