QA Engineer ИИ-решений

Проект: Специалист привлекается для поддержки AI-команды (RnD AI Team), которая реализует портфель ИИ-инициатив для бизнес-подразделений компании на внутренней платформе Dify (LLM-агенты, RAG, классификация, извлечение данных из документов, интеграции через API/MCP). Портфель — ~200 инициатив, одновременно в работе 10–15. Задачи: — Подготовка тест-кейсов на основании требований и критериев приемки инициатив; — Функциональное и интеграционное тестирование ИИ-агентов, workflow на платформе Dify, API-интеграций со внутренними системами; — Проверка позитивных, негативных и пограничных сценариев, включая нетипичные запросы пользователей и «галлюцинации» модели; — Регрессионное тестирование после изменений промптов, моделей, базы знаний (RAG) и интеграций; — Проверка соответствия результата согласованным требованиям и метрикам качества; — Формирование и поддержание тестовых выборок (golden set) совместно с бизнесом и ML-командой, участие в оценке качества ответов; — Фиксация дефектов, контроль их устранения, отчётность по качеству релизов; — Проведение приемочного тестирования перед выпуском в production и участие в приемке с бизнесом. Требования: — Общий опыт работы: От 3 лет в тестировании ПО. — Опыт по требуемому стеку/направлению: От 1 года тестирования продуктов на основе ML/LLM или тестирования API и интеграций backend-сервисов; — Понимание специфики недетерминированных ответов модели. — Релевантный проектный опыт: Не менее 2 проектов тестирования интеграционных / API-решений или ИИ-продуктов с выводом в промышленную эксплуатацию; — Опыт построения регрессионных наборов и тестовых выборок. — Отраслевой опыт: Желательно: e-commerce, ритейл, B2B-дистрибуция, клиентский сервис. — Обязательные технологии/инструменты: Тест-дизайн, тестовая документация, работа с баг-трекером; Тестирование REST API (Postman или аналоги), чтение JSON, логов; SQL на уровне выборок для проверки данных; Python на базовом уровне для скриптов проверки и подготовки тестовых данных; Понимание принципов работы LLM, RAG, промптов и метрик качества ИИ (точность, полнота, оценка ответов по критериям). — Желательные технологии/инструменты: Опыт работы с платформами оркестрации LLM (Dify, LangChain и т.п.); Автоматизация тестирования API (pytest, requests) и LLM-eval инструменты (RAGAS, DeepEval, promptfoo или аналоги); Опыт разметки и оценки ответов модели (LLM-as-a-judge, ручная оценка по рубрикам); CI/CD, Git на базовом уровне. — Системы учета задач и документации: Jira / Yandex Tracker, Confluence / Yandex Wiki, Git, реестр ИИ-инициатив в Google Sheets.