AQA-инженер по тестированию AI-агентов

Опыт работы: 1–3 года Занятость: Полная занятость График: 5/2 Рабочие часы: 8 Формат работы: на месте работодателя, удалённо или гибрид

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.