Middle QA Engineer / AI & LLM
DBFУдалённоот 3 летПолная занятость
PythonSQLAILLMJiraAPI TestingPostmanRAGManual TestingInsomniaZephyr
Описание
DBF ищет Middle QA Engineer в команду на AI-проект. Мы развиваем решения на базе LLM и RAG и ищем QA-инженера, который поможет проверять качество и стабильность AI-продукта — от API и backend-логики до качества ответов нейросети.
Обязанности
- проводить функциональное, регрессионное, smoke, UAT и негативное тестирование
- тестировать API через Postman / Insomnia
- писать тест-кейсы, чек-листы и баг-репорты в Jira / Zephyr
- работать с SQL, логами и трейсингом
- тестировать AI-чатов и multi-turn сценарии
- проверять edge cases, adversarial / jailbreak-промпты и safety-фильтры
- оценивать качество ответов LLM: точность, релевантность, полноту и тональность
- тестировать RAG-пайплайны и корректность источников в ответах
- использовать AI-инструменты для автоматизации рутинных QA-задач и написания небольших скриптов
Требования
- от 3 лет опыта в ручном тестировании
- понимание основных видов тестирования
- Jira / Zephyr
- SDLC / STLC, Agile / Scrum
- Postman / Insomnia
- базовый SQL
- работа с логами и трейсингом
- понимание принципов работы LLM: токены, temperature, top-p, context window
- понимание prompt engineering
- знание типичных проблем LLM: hallucinations, потеря контекста, nondeterminism, sensitivity к формулировкам
- опыт или понимание тестирования multi-turn диалогов, edge cases и jailbreak-промптов
- понимание оценки качества AI-ответов
- базовое понимание RAG: чанкинг, эмбеддинги, vector search, reranking, retrieval
- умение проверять корректность источников и цитирования в RAG-ответах
- практический опыт с Claude Code или аналогичными AI coding CLI
- базовое понимание ООП
- способность читать код автотестов и писать простые вспомогательные скрипты на Python / Java / C#
Условия
- удалённая работа
- full-time
- тип оформления: ГПХ / ИП
- зарплата: обсуждается индивидуально
- часовой пояс: GMT + 3
- это возможность работать не только с классическим QA, но и с современными AI-продуктами, где качество нельзя проверить исключительно по принципу «кнопка работает / кнопка не работает»
- здесь предстоит разбираться в том, почему AI дал конкретный ответ, откуда он взял информацию, насколько она корректна и как система ведёт себя в нестандартных сценариях