AIStage

AI Stagiair – Agent &Workflow Architecture

Word lid van het AI-team van ZetaBox en help ons software te bouwen die het verschil maakt.

Belangrijkste verantwoordelijkheden

Ontwerp, schrijf en verfijn iteratief prompts voor grote taalmodellen, met technieken zoals few-shot examples, chain-of-thought reasoning en structured output formatting om modelresponses voor bedrijfstaken te optimaliseren.
Bouw en test single-agent en multi-agent pipelines, definieer tool schemas, function-calling patterns en handoff logic tussen orchestrators en subagents.
Implementeer retrieval-augmented generation (RAG) flows door vector databases en embedding models te integreren om AI-outputs in nauwkeurige, actuele kennis te verankeren.
Ontwerp memory management strategieën — inclusief in-context summarization, externe memory stores en session state — om coherente langdurige agent interacties mogelijk te maken.
Integreer AI-mogelijkheden in producten via REST APIs, met aandacht voor authenticatie, context-window constraints, streaming responses en error-recovery patterns.
Evalueer agent en workflow performance met structured test sets, automated evals en human-in-the-loop review, en itereer om nauwkeurigheid, veiligheid en betrouwbaarheid te verbeteren.
Pas responsible AI principes toe gedurende de gehele ontwikkelingscyclus: identificeer failure modes, implementeer guardrails, beheer gevoelige inputs en documenteer risk mitigations.
Werk samen met engineers en product managers om use-case requirements om te zetten in werkende AI prototypes en presenteer bevindingen in wekelijkse demos.

Vaardig in Python; ervaring met API calls, JSON handling, async patterns en minstens één web framework (FastAPI, Flask, etc.).
Vertrouwdheid met transformer-based language models, tokenization, embeddings en basisconcepten van supervised en unsupervised learning.
Ervaring met het consumeren van REST APIs; bonus voor blootstelling aan LLM inference APIs, vector databases (Pinecone, Weaviate, pgvector) of orchestration frameworks.
Bewustzijn van AI safety concepten — bias, hallucination, output filtering en human-oversight patterns — en een oprecht interesse in het bouwen van betrouwbare systemen.
Vermogen om technisch werk duidelijk te documenteren en prototype resultaten aan gemengde technische en niet-technische doelgroepen te presenteren.

• Nog op zoek?

• Laten we praten

Laten we bespreken hoe we uw bedrijf kunnen transformeren met software op maat.

Belangrijkste verantwoordelijkheden

Ontwerp, schrijf en verfijn iteratief prompts voor grote taalmodellen, met technieken zoals few-shot examples, chain-of-thought reasoning en structured output formatting om modelresponses voor bedrijfstaken te optimaliseren.
Bouw en test single-agent en multi-agent pipelines, definieer tool schemas, function-calling patterns en handoff logic tussen orchestrators en subagents.
Implementeer retrieval-augmented generation (RAG) flows door vector databases en embedding models te integreren om AI-outputs in nauwkeurige, actuele kennis te verankeren.
Ontwerp memory management strategieën — inclusief in-context summarization, externe memory stores en session state — om coherente langdurige agent interacties mogelijk te maken.
Integreer AI-mogelijkheden in producten via REST APIs, met aandacht voor authenticatie, context-window constraints, streaming responses en error-recovery patterns.
Evalueer agent en workflow performance met structured test sets, automated evals en human-in-the-loop review, en itereer om nauwkeurigheid, veiligheid en betrouwbaarheid te verbeteren.
Pas responsible AI principes toe gedurende de gehele ontwikkelingscyclus: identificeer failure modes, implementeer guardrails, beheer gevoelige inputs en documenteer risk mitigations.
Werk samen met engineers en product managers om use-case requirements om te zetten in werkende AI prototypes en presenteer bevindingen in wekelijkse demos.

Functie-eisen

Vaardig in Python; ervaring met API calls, JSON handling, async patterns en minstens één web framework (FastAPI, Flask, etc.).
Vertrouwdheid met transformer-based language models, tokenization, embeddings en basisconcepten van supervised en unsupervised learning.
Ervaring met het consumeren van REST APIs; bonus voor blootstelling aan LLM inference APIs, vector databases (Pinecone, Weaviate, pgvector) of orchestration frameworks.
Bewustzijn van AI safety concepten — bias, hallucination, output filtering en human-oversight patterns — en een oprecht interesse in het bouwen van betrouwbare systemen.
Vermogen om technisch werk duidelijk te documenteren en prototype resultaten aan gemengde technische en niet-technische doelgroepen te presenteren.