QA инженер (Поток)

Задачи: — функциональное тестирование backend сервисов и UI и написание и поддержка тестовой документации (чек-листы, тест-кейсы, баг-репорты, инструкции) — подготовка тестовых данных для тестирования / проведения ПСИ, участие в релизах, проведение регрессионного тестирования и в проведении сценариев приемо-сдаточных испытаний (ПСИ) — участие в работе с обращениями от пользователей и анализ информации в БД и логах сервисов — построение и поддержка eval-набора (golden set) и регрессионного контроля качества при смене моделей, промптов и версий приложения — автоматизированная оценка качества генерации (LLM-as-judge, метрики типа Ragas) при релизах — тестирование RAG: качество поиска релевантного контекста, корректность источников, поведение при неполной / противоречивой информации — тестирование агентных сценариев: многошаговые цепочки, вызовы инструментов (MCP), повторные попытки, эскалация к человеку — участие в мониторинге качества в проде и настройке обратной связи от пользователей. Требования: — опыт работы в тестировании от 3 лет — понимание HTTP, кодов ответов, авторизации — опыт тестирования API (REST/JSON) для проверки интеграций и бизнес-логики, микросервисного взаимодействия — опыт тестирования запросов с помощью Postman/Insomnia/Swagger — опыт работы с форматами данных: JSON, YAML, XML, HTML — знание SQL, умение написать SQL запрос средней сложности — базовый опыт работы с системами сбора и визуализации метрик, работа с логами (Prometheus, Grafana) и понимание CI/CD и участия QA в пайплайнах доставки — понимание принципов работы LLM и их ограничений: недетерминированность вывода, галлюцинации, методы оценки качества генеративных моделей и опыт построения eval-наборов (golden set) и оценки качества LLM — желательно — LLM-as-judge, Ragas. Будет плюсом: — понимание RAG и методов оценки качества retrieval: релевантность контекста, корректность источников — опыт тестирования агентных систем: многошаговые агенты, tool calling — опыт работы с Python для автоматизации оценки (pytest) — понимание метрик качества AI-продукта и мониторинга качества в проде — опыт работы с Kafka — опыт работы с векторными / графовыми БД (например, Qdrant) Условия: — гибридный формат работы из офиса в г. — Москва — годовой бонус и ежегодный пересмотр — ДМС с первого дня + стоматологию и льготное страхование для семьи — корпоративный университет Сбера, внутреннюю образовательную платформу, участие в IT-конференциях — офис на Ленинском проспекте с зонами отдыха и спортзалом — льготную ипотеку в Сбере, корпоративную пенсионную программу, подписку СберПрайм с возможностью совместного использования на трёх близких, скидки от партнеров и сервисов группы компаний.