Python Developer

BlockWise; Polska; Hybrid; PLN 134,000 - 279,000; Full time

Benefits offered by this job

Elastyczne godziny

Biuro w Warszawie

Dostęp do narzędzi AI

Budżet szkoleniowy

Konferencje branżowe

Hackathony

Job summary

BlockWise szuka specjalisty do małego, mocno technicznego zespołu budującego infrastrukturę do zarządzania kontekstem dla modeli językowych. Praca blisko fundamentów tokenów, embeddingów i rankingów.

Do obowiązków należą rozwój pipeline'ów, komponentów information retrieval i agentów, szybsze prototypowanie, ewaluacje na benchmarkach i iteracyjne ulepszanie systemów produkcyjnych. Oferujemy wynagrodzenie 12 000–25 000 zł na umowie/B2B, elastyczne godziny i biuro w Warszawie, dostęp do narzędzi

Qualifications

• Mocny Python, czytelny i testowalny kod.
• Doświadczenie z przetwarzaniem tekstu: tokenizacja, chunking, embeddingi.
• Znajomość Linux + git oraz narzędzi tokenizerów.

Responsibilities

• Rozwój pipeline'ów przetwarzania tekstu i kontekstu.
• Praca nad komponentami information retrieval: indeksowanie, ranking, embeddingi, ewaluacja jakości wyszukiwania.
• Rozwój i testowanie komponentów agentowych: pętle tool-use, zarządzanie pamięcią i kontekstem, orkiestracja.
• Budowanie i uruchamianie ewaluacji na benchmarkach, mierzymy wpływ każdej zmiany na jakość i koszt.
• Szybkie prototypowanie i przekształcanie prototypów w utrzymywalne systemy produkcyjne.
• Praca w krótkich iteracjach z bezpośrednim feedbackiem od doświadczonego lidera technicznego.

Skills

Python

Text processing

Linux

Git

Tokenizer

Tools

BM25

Vector search

MinHash/SimHash

Job description

BlockWise - kim jesteśmy

W BlockWise budujemy produkty technologiczne w krótkich, intensywnych cyklach. Testujemy, wdrażamy, mierzymy efekt i szybko poprawiamy to, co nie działa.

Specjalizujemy się w rozwiązaniach AI, automatyzacji, narzędziach wewnętrznych oraz projektach z pogranicza AI infrastructure, LLM i agentów. Zaczęliśmy 5 lat temu, dziś jest nas ponad 50 osób i dalej rośniemy, zachowując szybkie decyzje, mało biurokracji i dużą odpowiedzialność po stronie developerów.

O tej roli

Szukamy osoby do małego, mocnego technicznie zespołu, który buduje infrastrukturę do zarządzania kontekstem dla modeli językowych - systemy, które decydują, co trafia do okna kontekstu LLM-a, w jakiej formie i dlaczego. To praca na styku przetwarzania tekstu, information retrieval i architektury agentów.

To nie jest rola "podpinam API OpenAI do CRUD-a". Pracujemy blisko fundamentów: tokeny, embeddingi, algorytmy rankingu, ewaluacja jakości na realnych benchmarkach. Efekty Twojej pracy będą mierzalne w twardych metrykach, nie w liczbie zamkniętych ticketów.

Twoje codzienne zadania

• rozwój pipeline'ów przetwarzania tekstu i kontekstu: segmentacja, deduplikacja, scoring i selekcja treści pod okno kontekstu LLM,
• praca nad komponentami information retrieval: indeksowanie, ranking, embeddingi, ewaluacja jakości wyszukiwania,
• rozwój i testowanie komponentów agentowych: pętle tool-use, zarządzanie pamięcią i kontekstem, orkiestracja,
• budowanie i uruchamianie ewaluacji na benchmarkach, mierzymy wpływ każdej zmiany na jakość i koszt,
• szybkie prototypowanie i przekształcanie prototypów w utrzymywalne systemy produkcyjne,
• praca w krótkich iteracjach z bezpośrednim feedbackiem od doświadczonego lidera technicznego.

Wymagania - twardy rdzeń

• mocny Python: struktury danych, złożoność, profiling, czytelny i testowalny kod to weryfikujemy dokładnie,
• praktyczne doświadczenie z przetwarzaniem tekstu: tokenizacja, chunking, embeddingi, praca z dużymi wolumenami tekstu,
• algorytmiczne myślenie: umiesz zaprojektować i uzasadnić algorytm segmentacji, deduplikacji albo scoringu, a nie tylko użyć gotowej biblioteki,
• swobodna praca w środowisku Linux + git,
• znajomość i wykorzystanie tokenizerów,

Przynajmniej jedno z poniższych (im więcej, tym lepiej)

• znajomość architektury agentów LLM: tool use, planowanie, zarządzanie kontekstem z własnej praktyki, nie z tutoriali,
• doświadczenie z deduplikacją na skalę (np. MinHash/SimHash) lub systemami rankingu,
• własny projekt RAG / agentowy, który realnie działał i był przez kogoś używany,
• kontrybucje open source w obszarze NLP/LLM tooling.
• podstawy information retrieval: BM25, wyszukiwanie wektorowe, metryki jakości (precision/recall, NDCG),

Szukamy Ciebie, jeśli

• interesuje Cię, jak LLM-y działają pod spodem, a nie tylko co zwraca API,
• lubisz problemy, gdzie odpowiedź trzeba zmierzyć, a nie zgadnąć,
• bierzesz odpowiedzialność za rezultat, a nie za wykonanie listy instrukcji,
• korzystasz z narzędzi AI realnie w pracy i nauce, nie "z ciekawości",
• umiesz jasno powiedzieć, co działa, co nie działa i gdzie utknąłeś/aś.

To może nie być miejsce dla Ciebie, jeśli

• potrzebujesz dokładnie rozpisanych tasków na tygodnie do przodu,
• wolisz pracować wyłącznie na gotowych frameworkach bez rozumienia, co robią,
• oczekujesz korporacyjnej struktury i długich procesów akceptacji.

U nas dużo się dzieje, a najlepsze osoby szybko dostają odpowiedzialność. Dla właściwych ludzi to duża szansa. Dla szukających spokoju i pełnej przewidywalności - prawdopodobnie nie.

Co oferujemy

• 12 000 - 25000 zł na umowie zlecenie/B2B (poziom zależny od wyniku rozmowy technicznej),
• pracę nad produktem AI infrastructure z mierzalnymi wynikami na publicznych benchmarkach,
• bezpośrednią współpracę z liderem technicznym - szybki wzrost kompetencji, zero pośredników,
• elastyczne godziny, biuro w Warszawie przy ul. Połczyńskiej 112A, parking,
• dostęp do płatnych narzędzi AI (Claude, Copilot, Codex, ChatGPT, Gemini i in.),
• pracę na nowoczesnej infrastrukturze, w tym klastrach B200/B300,
• budżet szkoleniowy i udział w konferencjach branżowych,
• firmowe hackatony.

Proces rekrutacyjny

1. Pierwsza rozmowa telefoniczna

Porozmawiamy o ofercie, Twoim doświadczeniu, oczekiwaniach i tym, jak pracuje się w BlockWise.
Czas: 10 minut

2. Rozmowa Finalna - techniczna online

Porozmawiamy o Pythonie, Linuxie, SQL, podstawach AI/ML, sposobie rozwiązywania problemów i Twoich dotychczasowych projektach. Będzie nas interesować nie tylko to, co znasz, ale też jak myślisz, debugujesz i dochodzisz do rozwiązania.
Czas: około 30 minut.

Cały proces rekrutacyjny zajmie maksymalnie 2 tygodnie.