外勤部署工程师
核心结论:Hippocratic AI 正在招聘一名远程 Forward Deployed Engineer(FDE),该岗位是 AI 部署的技术负责人,将作为核心贡献者参与其面向医疗领域的 agentic AI 平台建设。该角色要求与部署策略师及客户紧密合作,构建直接影响医疗运营的真实生产系统,并对端到端系统可靠性负责。核心技术栈包括 Python、LangChain、LangSmith 等框架,以及 RAG、LLM-as-judge、工具调用和模型上下文协议(MCP)等先进 LLM 技术。FDE 的主要职责涵盖 AI 创新与问题解决、RAG 管道实现、工具与 MCP 架构搭建、使用现代 AI 框架进行 Python 开发、基础设施与部署管理,以及生产监控与支持。候选人需具备 3-5 年软件工程经验、扎实的 Python 基础,并深入理解现代 LLM 开发模式。Hippocratic AI 是一家专注于医疗领域安全大语言模型的公司,由 CEO Munjal Shah 联合来自 El Camino Health、Johns Hopkins、Stanford、Microsoft、Google 和 NVIDIA 的医生及 AI 研究员共同创立,已获得总计 4.04 亿美元融资,投资方包括 CapitalG、Andreessen Horowitz(a16z)、General Catalyst 和 Kleiner Perkins 等顶级机构。公司强调这是一次定义 LLM 代理如何与医疗系统交互的类别创造机会。
- Hippocratic AI 的 Forward Deployed Engineer (FDE) 是 AI 部署的技术负责人,负责构建与客户生产系统(如 EHRs、数据仓库)可靠连接的 AI 集成,并确保临床运营不受影响。
- 核心技术要求包括 Python 开发、LangChain/LangSmith 框架经验,以及 RAG、LLM-as-judge、提示工程和工具调用/MCP 架构的深入应用能力。
- 该岗位要求 3-5 年软件工程经验、计算机科学学士学位,并优先考虑具有医疗 IT(如 FHIR、HL7)背景或生产环境 DevOps 经验的候选人。
- Hippocratic AI 专注于医疗安全大语言模型,由 Munjal Shah 联合来自斯坦福大学、约翰霍普金斯大学、微软、谷歌和 NVIDIA 的专家共同创立。
- 公司已获得总计 4.04 亿美元融资,投资方包括 CapitalG、Andreessen Horowitz (a16z)、General Catalyst、Kleiner Perkins 以及多家战略医疗系统投资者。
- 该远程职位强调类别创造,要求工程师定义 LLM 代理如何安全地与医疗系统交互,并在此过程中编写行业实践手册而非遵循既有模式。
这是一份非常能代表当前 AI 行业顶级需求风向的工作描述。Hippocratic AI 作为医疗大模型领域融资超 4 亿美元的明星公司,对 Forward Deployed Engineer 的定义远超传统的解决方案架构师或实施顾问。岗位明确要求掌握 RAG、MCP 及 LLM-as-judge 等前沿模式,并直接参与生产环境的所有权和系统可靠性保障。对于希望在垂直行业(特别是高度监管且极度依赖数据整合的医疗领域)中深耕 AI 工程化的工程师来说,这份 JD 是一张极具参考价值的能力清单。它不仅透露了顶级 AI 创业公司的现实技术栈偏好(LangChain/LangSmith),也再次印证了“既能深入客户场景解决难题,又能编写生产级代码”的三栖人才,正在成为推动大模型落地的最稀缺资源。
Hippocratic AI 的 Forward Deployed Engineer (FDE) 是 AI 部署的技术负责人,负责构建与客户生产系统(如 EHRs、数据仓库)可靠连接的 AI 集成,并确保临床运营不受影响。
—— 络石智能编辑部 · 编辑推荐外勤部署工程师
Hippocratic AI• 美国 • 远程 • 全职
职位描述
外勤部署工程师 (FDE)
外勤部署工程师是AI部署的技术负责人。你将是我们智能体AI平台的核心贡献者。这是一个高所有权的角色,你需要与部署策略师和客户紧密合作,构建直接影响医疗运营的真实生产系统。你需要是一名强大的软件工程师,喜欢在客户环境中工作,并承担端到端系统可靠性的责任。
你具备Python软件开发的专业知识,有使用LangChain和LangSmith等框架的经验,深入理解LLM技术,如RAG、LLM作为裁判、MCP/工具调用。
成功的样子
- AI创新:你利用你在AI工程方面的专业知识,解决医疗保健领域对话式AI的前沿问题,应用RAG、工具调用和先进的LLM技术应对新颖的客户挑战。
- 客户问题解决:你通过密切监控和主动沟通及早发现问题,通常在问题影响临床运营之前就解决它们。
- 可靠的AI系统:你构建的集成能够可靠地连接到客户系统(EHR、数据仓库、运营工具),优雅地处理错误并监控异常。
- 平稳部署:你执行部署计划毫无意外——基础设施就绪,集成经过测试,切换计划并专业执行。
- 生产环境所有权:你监控已部署的系统,快速响应事件,并推动运营改进,使智能体平稳运行。
- 技术伙伴关系:你帮助客户理解AI系统架构,协作调试问题,并建立他们对解决方案的信心。
核心职责
- AI创新与问题解决 – 识别客户挑战,并使用先进的LLM技术(RAG、工具调用、LLM-as-judge)设计AI解决方案;实施医疗AI问题的新颖方法。
- RAG流水线实现 – 设计并实现检索增强生成流水线,将LLM响应扎根于客户数据,确保准确性和临床相关性。
- 工具与MCP架构 – 实现工具调用架构和模型上下文协议(MCP)连接,使智能体能够安全地与客户系统交互。
- Python AI开发 – 使用LangChain、LangSmith和现代AI框架构建生产级Python代码,创建可靠的AI系统。
- 基础设施与部署 – 设置安全、受监控的生产环境;管理部署和上线活动。
- 生产监控与支持 – 监控已部署系统,响应事件,与客户一起排查问题,实施修复。
你带来什么
必备条件
- 3-5年软件工程经验,具有扎实的Python基础和开发生产级软件的经验。
- 具备LLM框架(LangChain、LangSmith)的实践经验,并理解现代LLM开发模式。
- 深入理解LLM技术:RAG、提示工程、工具调用、LLM-as-judge及相关模式。
- 有构建与API、数据库或企业系统集成的经验;熟悉异步模式和错误处理。
- 来自顶尖大学的计算机科学(或相关领域)学士学位。
加分项
- 有模型上下文协议(MCP)或类似工具集成方法的经验。
- 医疗IT经验(EHR集成、FHIR、HL7、医疗数据标准)。
- 生产DevOps或基础设施经验;能够设置监控和事件响应。
- 有在生产环境中部署AI系统或使用LLM的经验。
为什么选择Hippocratic AI
- 你在AI原生的医疗保健领域进行创新。你不是在构建传统的集成——你在解决医疗保健对话式AI的前沿问题。你设计的每一个RAG流水线,实现的每一个工具调用模式,发现的每一个LLM优化,都贡献于医疗保健转型。
- 你与来自Google、Meta、Microsoft、NVIDIA、Johns Hopkins、Washington University、Stanford的世界级AI工程师和临床专家共事。你将与更聪明的人一起解决更难的AI问题。你在这里的AI专业知识增长速度几乎超过任何地方。
- 获得了来自顶级AI和医疗投资者——CapitalG、a16z、General Catalyst、Kleiner Perkins,以及战略医疗系统投资者的4.04亿美元支持。这验证了该类别,并为你提供了资源,让你专注于创新,无需担心资金问题。
- 这是品类的创造。你在定义LLM智能体如何与医疗系统交互,RAG如何扎根临床AI,如何安全地大规模部署AI。你不是在遵循剧本——你是在编写它们。
准备好申请了吗?
如果你已经构建了生产级AI系统,在技术和人类复杂性的边缘茁壮成长,并希望你的工作以最直接的方式产生意义——我们期待与你见面。
请注意冒充Hippocratic AI的招聘诈骗。所有招聘沟通将来自@ hippocraticai.com的电子邮件地址。我们绝不会在招聘过程中要求付款或敏感个人信息。
标签
相关主题
专家点评
本文由编辑团队收录整理,内容来源于公开信息,仅供参考。