AI-agentontwikkelaars aannemen: waarop letten en hoe testen
De functietitel is nieuw, de vaardigheid niet. Wie agents bouwt die productie overleven zijn gewone sterke engineers die geleerd hebben te werken met een component die snel, capabel en af en toe zelfverzekerd fout is.
Die herformulering maakt aannemen veel makkelijker. U zoekt geen promptspecialist. U zoekt iemand die instinctief vraagt wat er gebeurt als de tool niets teruggeeft.
Wat telt, op volgorde#
- API- en integratiewerk: het meeste werk is netjes praten met uw systemen.
- Testinstinct: ze vragen naar evaluatie voordat ze naar het model vragen.
- Denken in faalmodi: lege resultaten, rechten, timeouts, gedeeltelijk succes.
- Beveiligingsbesef: minimale rechten, injection, audittrails, poorten.
- Kostenbesef: ze kunnen zonder opzoeken uitleggen waar tokens heen gaan.
- Modelbekendheid: nuttig, in weken te leren.
- Frameworkkennis: het minst belangrijke en het meest geadverteerde punt.
Een selectieoefening van negentig minuten die werkt#
Geef een korte briefing: een agent die ordervragen beantwoordt en terugbetalingen onder vijftig euro mag doen. Vraag om de toollijst met argumentschema's, de stopvoorwaarden, tien evaluatiecases en wat achter een menselijke poort staat. U zoekt geen code.
Sterke kandidaten stellen in de eerste vijf minuten vragen over rechten en randgevallen. Dat is het betrouwbaarste signaal.
Vragen die ervaring van enthousiasme scheiden#
| Vraag | Zwak antwoord | Sterk antwoord |
|---|---|---|
| Hoe weet u dat een wijziging hielp? | We testen handmatig | Een vaste evaluatieset, voor en na |
| Wat doet u als een tool niets teruggeeft? | Opnieuw proberen | Een expliciet leeg resultaat waarop de agent kan handelen |
| Hoe stopt u injection? | Het model zeggen het te negeren | Minimale rechten, isolatie, poorten |
| Waarom was uw laatste agent traag? | Het model was traag | Zes seriële aanroepen; twee geparallelliseerd |
| Hoe kiest u een model? | Het beste | Per stap, gemeten op onze cases |
Bureau, freelance of intern#
Een bureau past bij een eerste bouw met een deadline: u koopt een team dat de standaardfouten al heeft gemaakt, en u moet overdracht van evaluatieset en toolschema's eisen. Intern is juist zodra de agent onderdeel wordt van het product.
Veelgestelde vragen
Heb ik een machine learning engineer nodig?
Meestal niet. Dit is systeemengineering tegen een model-API.
Hoe groot moet het team zijn?
Twee engineers en een parttime domeinexpert dekken de meeste eerste projecten.
Wat moet een bureau opleveren?
Repository, prompts, toolschema's, evaluatieset met resultaten, traces van de laatste maand, een dashboard en een notitie over bekende faalmodi.
agentontwikkelaars aannemenai bureau kiezenllm engineer interviewagentteamai projectoverdracht
