Founding AI Engineer | Sistemas multiagente e simulação de comportamento humano
Neura
🏢 hibrido🎯 senior
Vaga para Founding AI Engineer com foco em sistemas multiagente e simulação de comportamento humano.
O problema:
- Simular como populações reagem a decisões antes que elas aconteçam
- Agentes de IA com memória, personas e interação social
- Validação contra resultados reais, não contra o que as pessoas dizem
Núcleo obrigatório:
- Orquestração multiagente: LangGraph, CrewAI, AG2 ou Microsoft Agent Framework, OpenAI Agents SDK ou Claude Agent SDK; MCP e protocolo A2A.
- Simulação social baseada em agentes: OASIS (CAMEL-AI) e geração de personas a partir de dados reais, não inventadas.
- Memória e grafos: GraphRAG, Neo4j, Zep/Graphiti e bancos vetoriais (pgvector, Qdrant).
- Engenharia de LLM: evals, controle de custo e latência, modelos abertos servidos com vLLM e fine-tuning quando fizer sentido.
- Validação e estatística: backtesting contra resultados reais, calibração, quantificação de incerteza e inferência causal.
- Dados pessoais: anonimização e boas práticas de LGPD.
Diferencial:
- Dados multimodais e fisiológicos: PyTorch, embeddings de vídeo, áudio e texto, e sinais como EEG e eye tracking.
Infra e interface:
- Python, FastAPI, Docker, nuvem, Kafka ou Redis Streams para tempo real.
- Observabilidade de agentes: Langfuse ou LangSmith.
- Front para relatórios e grafo de atores: React, D3, Sigma.js.
Como se candidatar: - Sem CV.
- Envie seu GitHub, um projeto do qual você se orgulha e sua resposta para: “Se você simulasse 1.000 consumidores reagindo a um aumento de preço, como saberia que a simulação está mentindo?”
Modelo: PJ, salário
Equity negociável
Local: remoto/híbrido
Envio: negocios@neura.cx
Conversa técnica só depois de assinado o NDA
Prazo: 3 a 4 meses
As pessoas mentem nas pesquisas sem saber que mentem.
Estou montando o time que vai parar de perguntar e começar a simular.Requisitos
- Orquestração multiagente: LangGraph, CrewAI, AG2 ou Microsoft Agent Framework, OpenAI Agents SDK ou Claude Agent SDK; MCP e protocolo A2A.
- Simulação social baseada em agentes: OASIS (CAMEL-AI) e geração de personas a partir de dados reais, não inventadas.
- Memória e grafos: GraphRAG, Neo4j, Zep/Graphiti e bancos vetoriais (pgvector, Qdrant).
- Engenharia de LLM: evals, controle de custo e latência, modelos abertos servidos com vLLM e fine-tuning quando fizer sentido.
- Validação e estatística: backtesting contra resultados reais, calibração, quantificação de incerteza e inferência causal.
- Dados pessoais: anonimização e boas práticas de LGPD.
- Python, FastAPI, Docker, nuvem, Kafka ou Redis Streams para tempo real.
- Observabilidade de agentes: Langfuse ou LangSmith.
- Front para relatórios e grafo de atores: React, D3, Sigma.js.
Diferenciais
- Dados multimodais e fisiológicos: PyTorch, embeddings de vídeo, áudio e texto, e sinais como EEG e eye tracking.