Key Facts

Remote From:

Full time

Senior (5-10 years)

Spanish

Proficient in Python 3.11 with backend frameworks (Flask, FastAPI) including async support and admin UI with Streamlit; Poetry for dependency management.
Experience building, running, and debugging containerized Python services with Docker; familiarity with Azure Functions and uv as a package manager for Python.
Extensive Azure cloud experience: Blob Storage, Cognitive Search, Azure OpenAI (GPT-4, embeddings), Form Recognizer, Container Apps, ACR, Functions, Queue Storage, EntraID, Application Insights, and Azure CLI.
Knowledge of RAG pipelines, embeddings and evaluation (ML/RAG metrics), and testing tools (LLM-as-judge, Locust) for API performance.

Develop and maintain a RAG-based chatbot pipeline composed of 8+ microservices with HTTP and message-queue communication, hosted on Azure.
Implement data ingestion and processing workflows: web crawling, SharePoint Online, Confluence, embeddings, and document processing with Form Recognizer.
Containerize, deploy, and operate services on Azure Container Apps/ACR; manage Azure Functions pipelines and queue-based indexing; collaborate on CI/CD via Azure CLI.
Provide observability and performance support using Application Insights and LangFuse; conduct load tests with Locust and apply ML evaluation metrics (RAG, LLM-as-judge).

Job description

Requisitos de conocimiento para nuevos desarrolladores

1. Conceptos clave

RAG (Retrieval-Augmented Generation): todo el sistema está basado en un pipeline de chatbot RAG, por lo que es esencial comprender cómo funcionan conjuntamente la recuperación de información, fragmentación, embeddings y generación.
Arquitectura de microservicios: el sistema está compuesto por aproximadamente 8 servicios independientes que se comunican mediante HTTP y colas de mensajes.

2. Python

Python 3.11 (requisito obligatorio para Azure Functions Consumption Plan)
Flask: backend, chunker, converter, connector e image processor están desarrollados en Flask.
FastAPI: el servicio evaluator utiliza FastAPI con soporte asíncrono.
Streamlit: la interfaz de administración está desarrollada en Streamlit.
Poetry: gestión de dependencias en todos los servicios.
uv: utilizado como gestor alternativo de paquetes Python (Azure Functions).

3. Servicios Cloud Azure

Azure Blob Storage: almacenamiento documental, resultados de evaluación y datos rastreados.
Azure AI Search (Cognitive Search): índice vectorial/híbrido para fragmentos documentales.
Azure OpenAI: inferencia LLM (GPT-4, embeddings con text-embedding-3-large).
Azure Document Intelligence (Form Recognizer): procesamiento de PDFs/documentos y OCR.
Azure Container Apps: hosting productivo de microservicios.
Azure Container Registry (ACR): almacenamiento y construcción de imágenes Docker.
Azure Functions: pipeline de indexación activado por colas.
Azure Queue Storage: mensajería asíncrona entre servicios.
Azure EntraID: autenticación y control de acceso basado en roles.
Azure Application Insights: telemetría y logging.
Azure CLI: despliegues e interacciones con Azure.

4. Docker & Contenedores

Docker: todos los servicios disponen de Dockerfile; desarrollo local y producción funcionan con contenedores.
Experiencia construyendo, ejecutando y depurando servicios Python containerizados.

5. Fuentes de datos & Crawling

6. IA / Evaluación ML

RAGAs Framework: métricas de evaluación (faithfulness, relevance, context precision/recall).
LLM-as-judge: uso de GPT-4 para valorar calidad de respuestas.
Locust: pruebas de carga y rendimiento de la API RAG.

7. Observabilidad