QA Engineer (LLM-платформа)

Мы разрабатываем AI-инструменты, LLM-платформу, автоматизацию на базе ИИ. Ищем QA-инженера, который будет отвечать за качество наших AI-продуктов: от классического функционального тестирования до оценки качества ответов LLM и устойчивости промптов. Тестирование AI-систем отличается от классического: результат недетерминирован, «правильный ответ» не всегда один, а баг может проявляться в 1 случае из 20. Нам нужен человек, которому интересно работать именно с этой спецификой.

• функциональное и регрессионное тестирование продуктов с LLM-компонентами (веб-интерфейсы, API, интеграции)

• разработка и поддержка наборов тестовых сценариев для оценки качества ответов моделей (evaluation datasets, golden sets)

• тестирование промптов: проверка устойчивости к перефразированию, edge-кейсам, инъекциям и джейлбрейкам

• оценка ответов LLM по критериям: точность, полнота, галлюцинации, соответствие формату (structured output / JSON schema)

• анализ недетерминированного поведения: воспроизведение плавающих дефектов, статистическая оценка стабильности

• автоматизация рутинных проверок на Python (pytest): smoke-тесты API, прогоны evaluation-сценариев, скрипты для массовой проверки ответов модели

• тестирование API-интеграций с LLM-провайдерами (OpenAI, Anthropic, OpenRouter и др.): лимиты, ретраи, обработка ошибок, стриминг

• ведение тестовой документации, баг-репортов, участие в приёмке фич

• взаимодействие с разработчиками и ML-инженерами при разборе дефектов

Будет плюсом:

• опыт в тестировании от 3 лет (ручное + понимание принципов автоматизации)

• практический опыт работы с AI-инструментами: ChatGPT, Claude, Copilot и аналоги — не на уровне «пробовал», а как рабочий инструмент

• понимание основ промпт-инжиниринга: структура промпта, few-shot, chain-of-thought, sdd, работа с системными промптами

• уверенное тестирование API (Postman / curl / HTTP-клиенты), чтение JSON, понимание REST

• понимание специфики LLM: недетерминированность, галлюцинации, ограничения контекста, температура и параметры генерации

• python на базовом уровне для автотестирования: умение написать и поддерживать простые автотесты (pytest / requests), понимание структуры тестового проекта, работа с фикстурами и ассертами

• умение писать чёткие баг-репорты и тест-кейсы, включая случаи «модель ответила неправильно» с воспроизводимыми условиями

• продвинутая автоматизация UI (Playwright / Selenium), опыт построения фреймворков с нуля

• опыт построения LLM-evaluation пайплайнов (promptfoo, LangSmith, Ragas, собственные фреймворки)

• понимание RAG-архитектур и векторного поиска

• опыт тестирования безопасности LLM: prompt injection, jailbreaks, утечки данных

• английский на уровне чтения технической документации и выше.

• комфортный современный офис рядом с м. Кутузовская

• гибридный формат работы

• ежегодный пересмотр зарплаты

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• программа адаптации и помощь руководителя на старте (для Junior позиций)

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка СберПрайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.