Обязанности:
Проект направлен на создание AI-агента для существующего Python BDD-фреймворка в корпоративной банковской среде. Решение предназначено для автоматического преобразования функциональных тестовых сценариев в готовые автоматизированные сценарии на Gherkin с использованием существующей кодовой базы и механизмов интеллектуального подбора переиспользуемых шагов. Наша цель — создать прикладную AI-систему, которая ускорит разработку BDD-автотестов, снизит стоимость регрессионного тестирования и повысит стандартизацию автоматизации тестирования. Мы хотим построить внутренний инструмент нового поколения для команд тестирования и разработки, который объединит возможности LLM, RAG, ReAct и существующего ландшафта банка, а также усилит синергию BDD с AIPDLC и разработки на основе спецификаций. Ключевые направления: Создание AI-агента для генерации feature-файлов на Gherkin на основе функциональных сценариев. Построение retrieval-контура на базе RAG и PostgreSQL + pgvector для поиска релевантных шагов, шаблонов и переиспользуемых элементов. Интеграция с существующим Python BDD-фреймворком и библиотекой шагов для максимального переиспользования текущей кодовой базы. Разработка пользовательской поверхности решения, в приоритете — IDE plugin для удобной работы тест-автоматизаторов. Формирование механизмов контроля качества генерации, стандартизации сценариев и снижения пропусков при использовании уже существующих steps. Создание технологической основы для дальнейшего развития AI-подходов в тестировании, инженерных практиках и управлении жизненным циклом разработки. Технологический стек Python 3. FastAPI, Streamlit. PostgreSQL, pgvector. Apache Kafka. Docker. Linux. HTTP, REST, GraphQL. LLM, RAG, ReAct, embeddings, vector search. Опыт работы: от 4х летОбразование: Высшее Основные требования: Практический опыт построения RAG-систем и работы с векторными хранилищами, желательно PostgreSQL + pgvector. Опыт разработки ReAct агентов. Понимание принципов ООП, SOLID и паттернов проектирования.Понимание базовых принципов многопоточного и асинхронного программирования, включая GIL и asyncio. Практические знания и навыки работы с LLM. Опыт работы с инструментами контейнеризации приложений, включая Docker. Лидерские качества: умение принимать решения и брать на себя ответственность. Дополнительные (желательные) требования: Будет большим плюсом понимание BDD, Gherkin, тестовой автоматизации и принципов переиспользования step definitions. Понимание принципов клиентской web-разработки. Опыт разработки IDE plugins или developer tools. Опыт оценки качества AI-решений: accuracy, retrieval quality, traceability. Понимание spec-driven development и применения AI в SDLC / QA-процессах. Условия Команда профессионалов, готовых поддержать ваши инициативы. Возможность работы с новыми технологиями, в том числе AI. Должностные обязанности: Проектировать и согласовывать архитектуру AI-агента, приложений и интеграций. Развивать и разрабатывать backend-компоненты AI-агента, общие библиотеки и интеграционные взаимодействия. Реализовывать решения на базе LLM, ReAct и RAG, включая поиск и подбор релевантных «шагов» из существующей библиотеки. Интегрировать систему с внутренними сервисами, репозиториями, базами знаний и корпоративной инфраструктурой. Формировать требования для построения CI/CD, мониторинга, логирования, трассировки и контроля качества для AI-агента Проводить ревью кода, поддерживать код-стандарт и участвовать в командных коммуникациях. Взаимодействовать с специалистами по автоматизированному тестированию, QA-инженерами и разработчиками для уточнения требований и сценариев использования. Участвовать в разработке пользовательской поверхности решения, в формате IDE plugin. Условия: Возможность профессионального и карьерного роста в компанииВозможность поучаствовать в разных проектахОпыт работы в распределенной команде профессионаловУровень заработной платы обсуждается индивидуальноОформление в соответствии с ТК РФ в Bell Integrator Формат работы Удаленно РФПохожие вакансии