AI Fullstack QA-инженер

Наша команда разрабатывает AI-агентов и AI-ассистентов, которые помогают клиентам получать консультации и информацию по продуктам компании. Решения построены на LLM-моделях и работают как единая система интеллектуальных ассистентов. Обязанности Проектирование и внедрение системы качества AI-агентов: разработка и поддержка единой методологии тестирования LLM-агентов (от юнит-тестов логики до end-to-end сценариев); Внедрение метрик качества (Quality Gates) для релизов: релевантность, галлюцинации, безопасность, время отклика; Построение процесса непрерывной оценки качества в рамках CI/CD; Организация различных видов тестирования, проведение приёмо-сдаточных испытаний (ПСИ) и защита релизов перед выводом в прод; Анализ логов, метрик инцидентов и пользовательских фидбеков для выявления системных паттернов ошибок; Подготовка аналитических отчётов о качестве для стейкхолдеров (не просто «есть баги», а «какой процент сценариев деградирует и почему»); Автоматизация проверки API, UI и бизнес-логики агентов; Участие в код-ревью тестовой инфраструктуры, обеспечение читаемости и сопровождаемости кода; Взаимодействие с ML-инженерами: понимание ограничений моделей, работа с векторными БД и промптами; Работа с требованиями и заказчиком, выявление юзер-кейсов и юзер-стори (полноценное обеспечение качества). Требования Понимание специфики тестирования вероятностных систем (LLM/AI): осознание, что тестирование «по шагам» не работает, знание современных подходов к оценке качества AI (метрики, LLM-as-a-Judge, A/B тесты качества); Умение выстраивать процессы с нуля или масштабировать существующие: от выбора инструментов до наставничества и постановки задач; О работы с Python — это основной язык для автоматизации и анализа данных; Java — желателен для работы с backend-инфраструктурой; Уверенное владение SQL для извлечения и анализа метрик качества и логов; Опыт работы с Git, CI/CD (Jenkins/GitLab CI) и понимание принципов DevOps; Работа с требованиями, работа с заказчиком, выявление…