LLM 기반 AI Agent·Assistant 시스템 설계·개발 및 운영(Single/Multi-Agent 오케스트레이션)이 가능하신 분
Agentic Workflow 설계(Tool Use·Function Calling·Planning·ReAct·HITL 등) 및 구현이 가능하신 분
에이전트가 사용할 지식층 설계·구축 - 문서·데이터의 압축·구조화·의미론적 연결이 가능하신 분
RAG 파이프라인 설계·개발 및 검색·응답 품질 최적화(GraphRAG·CRAG·Self-RAG·Hybrid RAG 등 최신 패턴)가 가능하신 분
Context Engineering 및 Agent Memory 전략 - 멀티턴 대화, 단기/장기 메모리·컨텍스트 윈도우 최적화가 가능하신 분
사용자가 직접 에이전트를 구성할 수 있는 LLM 기반 빌더 기능 개발이 가능하신 분
자연어 지침·규정을 실행 가능한 구조(정책·워크플로)로 변환하는 기능 개발이 가능하신 분
sLLM 최적화·서빙 — 양자화(Quantization) 전략 및 고효율·저비용 서빙 환경 구축이 가능하신 분
LLM 응답 품질 평가(Faithfulness·Relevance·Groundedness) 및 지속 개선 파이프라인 구축이 가능하신 분

컴퓨터공학·인공지능·데이터사이언스 등 전공 학사 이상 또는 준하는 실무 경험을 보유하신 분
LangChain·LangGraph·LlamaIndex·AutoGen 활용 경험을 보유하신 분
문서·데이터를 지식층(RAG·Knowledge Graph·온톨로지 등)으로 설계·구축한 경험을 보유하신 분
VectorDB(Pinecone·Weaviate·Qdrant·pgvector·Milvus·ChromaDB 등)기반 RAG 및 임베딩 파이프라인 구축 경험을 보유하신 분
RAG·Context Engineering·Agent Memory 등 지식층 활용 아키텍처 설계·개발 경험을 보유하신 분
프롬프트·모델 평가·개선 사이클을 자동화 파이프라인으로 구축한 경험(RAGAS·DeepEval 등)을 보유하신 분
모델 양자화(AWQ·GPTQ·GGUF) 및 파인튜닝(PEFT·LoRA) 실무 적용 경험을 보유하신 분
GPU 서버 기반 LLM 서빙·최적화 경험(vLLM·SGLang·Ollama·HF TGI 등)을 보유하신 분
Multi-Agent Framework(CrewAI·AutoGen·LangGraph 등) 기반 오케스트레이션 경험을 보유하신 분
MCP(Model Context Protocol) Server/Client 개발 및 Claude·OpenAI API 등 활용 경험을 보유하신 분
Embedding 모델 Fine-tuning 및 Re-ranking 최적화 경험을 보유하신 분

AI Engineer