Senior AI Engineer – Python, LLM och RAG
- Compensation
- Not disclosed
- Location
- Malmö, SE
- Work setup
- Not specified
- Seniority
- Senior
- Employment
- Not specified
- Experience
- Not specified
- Category
- Ai engineering
- Posted
Skills
Full description
På Knowit Core i Malmö söker vi en senior AI Engineer som vill utveckla och produktionssätta AI-lösningar i molnet.
Vi söker dig som kombinerar stark kompetens inom Python och systemutveckling med praktisk erfarenhet av generativ AI, Large Language Models, RAG och AI-agenter. Du har gått vidare från experiment och proof of concepts och arbetat med lösningar som används i produktion.
Hos oss arbetar du i kundprojekt tillsammans med utvecklare, arkitekter, data engineers och andra AI-specialister. Arbetet sker ibland i kundens miljö och ibland från vårt kontor vid Stortorget i Malmö.
Om rollen
Som senior AI Engineer ansvarar du för att designa, utveckla och integrera AI-lösningar i befintliga system och plattformar.
Du arbetar genom hela utvecklingskedjan, från teknisk analys och arkitektur till implementation, produktionssättning, utvärdering och vidareutveckling.
I rollen kan du exempelvis arbeta med att:
- Utveckla LLM-baserade applikationer och AI-tjänster i Python
- Bygga RAG-lösningar med embeddings, semantic search, hybrid search och vektordatabaser
- Utveckla agentbaserade system med tool calling, strukturerade svar och integrationer mot externa tjänster
- Bygga API:er och backendtjänster för AI-funktionalitet
- Integrera modeller och AI-tjänster från exempelvis OpenAI, Azure OpenAI, Anthropic eller open source-modeller
- Utvärdera kvalitet, relevans, säkerhet, kostnad och prestanda i AI-lösningar
- Implementera tracing, observability, guardrails och human-in-the-loop där det behövs
- Produktionssätta och drifta lösningar i Azure, AWS eller GCP
- Bidra till arkitektur, tekniska vägval och utvecklingsmetoder i projekten
Fokus ligger på att bygga robusta och användbara system. Det innebär att du behöver förstå både vad en språkmodell kan göra och vad som krävs runt modellen för att lösningen ska fungera tillförlitligt i produktion.
Tekniker och arbetssätt
Den exakta teknikstacken varierar mellan våra kunder och projekt. Exempel på tekniker och områden som kan förekomma är:
- Python, FastAPI och Pydantic
- Large Language Models och generativ AI
- RAG, embeddings, semantic search och vektordatabaser
- LangGraph, LangChain, LlamaIndex, Semantic Kernel eller OpenAI Agents SDK
- Agent orchestration, tool calling och Model Context Protocol
- OpenAI, Azure OpenAI, Anthropic och open source-modeller
- MLflow, LangSmith eller andra verktyg för evaluation, tracing och observability