AQA-инженер по тестированию AI-агентов

Описание

Правотех создает продукты для юристов. Мы развиваем наш продукт — Право(Агент), который передаёт юридическую работу AI-агентам. Команда небольшая и быстрая: изменения в агентах выходят каждый день, и мы ищем инженера, который возьмёт качество агентов в свои руки. Чем предстоит заниматься Следить за изменениями в агентах, скиллах, промптах и RAG и проверять затронутые сценарии до релиза. Составлять E2E-сценарии работы юриста в чате и запускать их через агентов-тестировщиков: тесты идут параллельно, отчёты собираются автоматически. Проверять ответы модели с помощью LLM-as-a-judge и калибровать оценки по разметке юристов. Тестировать RAG: качество поиска, точность ссылок, соответствие ответа источникам. Разбирать трейсы в Langfuse и телеметрию: где ошибся агент, сколько стоил и сколько длился каждый шаг. Готовить короткие отчёты: что сломалось, кто чинит, как сделать агента быстрее и дешевле. Писать автотесты API и UI, вести регрессию в CI, заводить баг-репорты. Что для нас важно От 3 лет опыта в AQA или backend-разработке на Python. От года практики с LLM-агентами или LLM-приложениями: тестирование или разработка агентных систем. Опыт LLM-as-a-judge и оценки RAG. Langfuse или аналоги (LangSmith, Phoenix, OpenTelemetry): трейсы, датасеты, подсчёт токенов и стоимости. Python, pytest, автотесты API и UI (Playwright или аналог), Docker, CI. Понимание устройства агентов: вызовы инструментов, контекст, кэш промпта, reasoning-токены. Самостоятельность и скорость: вы сами замечаете изменение, тестируете его и приносите отчёт. Будет плюсом Опыт backend-разработки на Python. Понимание архитектуры гибридного RAG. Pet-проекты с агентными системами. Профильное IT-образование.