Инженер AI/LLM

Проект направлен на создание AI-агента для существующего Python BDD-фреймворка в корпоративной банковской среде. Решение предназначено для автоматического преобразования функциональных тестовых сценариев в готовые автоматизированные сценарии на Gherkin с использованием существующей кодовой базы и механизмов интеллектуального подбора переиспользуемых шагов.

Наша цель — создать прикладную AI-систему, которая ускорит разработку BDD-автотестов, снизит стоимость регрессионного тестирования и повысит стандартизацию автоматизации тестирования. Мы хотим построить внутренний инструмент нового поколения для команд тестирования и разработки, который объединит возможности LLM, RAG, ReAct и существующего ландшафта банка, а также усилит синергию BDD с AIPDLC и разработки на основе спецификаций.

Ключевые направления:

Создание AI-агента для генерации feature-файлов на Gherkin на основе функциональных сценариев.

Построение retrieval-контура на базе RAG и PostgreSQL + pgvector для поиска релевантных шагов, шаблонов и переиспользуемых элементов.

Интеграция с существующим Python BDD-фреймворком и библиотекой шагов для максимального переиспользования текущей кодовой базы.

Разработка пользовательской поверхности решения, в приоритете — IDE plugin для удобной работы тест-автоматизаторов.

Формирование механизмов контроля качества генерации, стандартизации сценариев и снижения пропусков при использовании уже существующих steps.

Создание технологической основы для дальнейшего развития AI-подходов в тестировании, инженерных практиках и управлении жизненным циклом разработки.

Технологический стек

Python 3.

FastAPI, Streamlit.

PostgreSQL, pgvector.

Apache Kafka.

Docker.

Linux.

HTTP, REST, GraphQL.

LLM, RAG, ReAct, embeddings, vector search.

Опыт работы: от 4х лет

Образование: Высшее

Основные требования:

Практический опыт построения RAG-систем и работы с векторными хранилищами, желательно PostgreSQL + pgvector.

Опыт разработки ReAct агентов.

Понимание принципов ООП, SOLID и паттернов проектирования.
Понимание базовых принципов многопоточного и асинхронного программирования, включая GIL и asyncio.

Практические знания и навыки работы с LLM.

Опыт работы с инструментами контейнеризации приложений, включая Docker.

Лидерские качества: умение принимать решения и брать на себя ответственность.

Дополнительные (желательные) требования:

Будет большим плюсом понимание BDD, Gherkin, тестовой автоматизации и принципов переиспользования step definitions.

Понимание принципов клиентской web-разработки.

Опыт разработки IDE plugins или developer tools.

Опыт оценки качества AI-решений: accuracy, retrieval quality, traceability.

Понимание spec-driven development и применения AI в SDLC / QA-процессах.

Условия

Команда профессионалов, готовых поддержать ваши инициативы.

Возможность работы с новыми технологиями, в том числе AI.

Должностные обязанности:

Проектировать и согласовывать архитектуру AI-агента, приложений и интеграций.

Развивать и разрабатывать backend-компоненты AI-агента, общие библиотеки и интеграционные взаимодействия.

Реализовывать решения на базе LLM, ReAct и RAG, включая поиск и подбор релевантных «шагов» из существующей библиотеки.

Интегрировать систему с внутренними сервисами, репозиториями, базами знаний и корпоративной инфраструктурой.

Формировать требования для построения CI/CD, мониторинга, логирования, трассировки и контроля качества для AI-агента

Проводить ревью кода, поддерживать код-стандарт и участвовать в командных коммуникациях.

Взаимодействовать с специалистами по автоматизированному тестированию, QA-инженерами и разработчиками для уточнения требований и сценариев использования.

Участвовать в разработке пользовательской поверхности решения, в формате IDE plugin.

Условия:

Возможность профессионального и карьерного роста в компании
Возможность поучаствовать в разных проектах
Опыт работы в распределенной команде профессионалов
Уровень заработной платы обсуждается индивидуально
Оформление в соответствии с ТК РФ в Bell Integrator
Формат работы Удаленно РФ