Descrição:
Requisitos Obrigatórios
Context Engineering (principal skill)
Grounding avançado, estruturas multimodais e context windows complexos.
Prompt engineering robusto (roles, constraints, patterns).
Extração e priorização semântica de contexto.
Estratégias de contenção de hallucinations e quality loops (self-verification/refinement).
Memory design (episodic, semantic, hybrid) e context compression.
Engenharia de Software
Python 3.11+, arquitetura limpa, SOLID, testes e boas práticas.
REST, WebSockets, FastAPI (avançado).
Git, PR reviews, trunk-based development.
Observabilidade (logs estruturados, tracing, métricas).
LLMs
Orquestração de modelos em produção.
Alignment techniques (ToT, CoT, Constitutional AI, Safety Layers).
Model routing e avaliação de desempenho/custo/latência.
Agentic Systems
Construção de agentes autônomos e multiagentes (LangGraph, Autogen, CrewAI).
Planejamento hierárquico, self-correction e execução segura de ferramentas.
Retrieval \& RAG
LlamaIndex, LangChain ou equivalentes.
Estratégias híbridas (vector + graph + keyword).
Grounding contextual dinâmico e mitigação de hallucinations.
Bases Vetoriais \& Grafos
Weaviate, Pinecone, LanceDB, MongoDB Vector Search, Neo4j.
Schema design semântico e ingestão paralela.
Cloud \& Infra
GCP (preferencial), ou AWS/Azure.
Vertex AI, Cloud Run, GKE, Pub/Sub.
Docker, CI/CD (GitHub Actions).
FinOps orientado a LLMs.
Data Engineering \& Pipelines
ETL/ELT em Python (async/batch).
Processamento de PDFs, HTML e documentos multimodais.
Controle de fluxo, idempotência, backpressure.
Diferenciais (Nice to Have)
Experiência com MCP (Model Context Protocol).
Experiência com agentes financeiros / fintech.
Modelos multimodais ou de áudio.
Contribuições open-source em IA.
Conhecimento de mercado financeiro.
Soft Skills
Pensamento sistêmico e orientação a produto.
Clareza de comunicação e autonomia.
Capacidade de abstração e tomada de decisão técnica.
Resiliência em ambientes de alta ambiguidade.
Responsabilidades
Projetar e implementar sistemas de IA utilizando arquiteturas modernas (LLMs, agentes autônomos, RAG, etc.).
Desenvolver pipelines de dados estruturados e não estruturados, otimizando o contexto e o desempenho dos modelos.
Garantir qualidade, segurança e observabilidade em sistemas de produção.
Trabalhar em colaboração com times de produto, dados e engenharia para levar soluções de IA ao ambiente produtivo.
Contribuir para a evolução técnica e estratégica das práticas de IA da empresa.
2511130202461866422