Мы более 15 лет разрабатываем корпоративную платформу управления командировками (Online Booking Tool).
Это промышленная система, которой ежедневно пользуются корпоративные клиенты.
Backend платформы построен на PHP/Symfony и включает десятки интеграций с внешними поставщиками и внутренними сервисами.
Мы начинаем внедрение AI-агентов как нового пользовательского интерфейса к существующей OBT.
Что уже сделано
Проект не начинается "с чистого листа".
Уже подготовлены
•архитектура первого AI-агента (90%);
•поверхностное описание пользовательских сценариев;
•частичная модель состояний;
•схема интеграции сервисов;
•частичное описание взаимодействия с внутренними API;
•концепция хранения контекста;
•архитектура workflow.
Поэтому мы ищем инженера, который сможет критически оценить существующие решения, доработать их и довести до промышленной эксплуатации.
Что предстоит сделать
Первый этап проекта — разработка AI-агента поиска авиа, жд билетов и отелей.
Агент должен
•понимать естественную речь пользователя;
•вести диалог;
•собирать параметры поездки;
•вызывать внутренние API;
•получать профиль пользователя;
•получать тревел-политику;
•получать результаты поиска рейсов;
•объяснять ограничения простым языком;
•передавать заказ в существующую систему.
Важно
AI не принимает бизнес-решения самостоятельно.
Все корпоративные правила, лимиты, цены, тревел-политика и результаты поиска поступают исключительно из внутренних API.
Что мы ищем
Мы ищем не специалиста по ChatGPT/Claud.
И не человека, который умеет подключать LLM к API.
Нам нужен инженер, который способен проектировать корпоративного AI-агента.
Для нас AI — это не промпты.
Это
•архитектура;
•интеграции;
•управление состоянием;
•маршрутизация запросов;
•проектирование Intent Map;
•Tool Calling;
•Guardrails;
•Source of Truth;
•отказоустойчивость;
•безопасность;
•сопровождение production-систем.
Что необходимо спроектировать
Мы ожидаем, что инженер сможет самостоятельно разработать и обосновать:
Правила поведения агента
Какие вопросы агент
•решает самостоятельно;
•обязан передавать внутренним API;
•обязан уточнять;
•не имеет права отвечать без корпоративных данных.
Intent Map
Полную карту пользовательских намерений.
Для каждого Intent определить
•необходимые API;
•обязательные параметры;
•fallback;
•обработку ошибок;
•переходы между состояниями.
Source of Truth
Определить
какие данные являются источником истины.
Например
•тревел-политика;
•лимиты;
•цены;
•поиск;
•согласование;
•статус заказа.
Guardrails
Определить
что модели запрещено делать.
Например
•придумывать цены;
•придумывать рейсы;
•интерпретировать тревел-политику;
•самостоятельно принимать корпоративные решения.
Архитектуру диалога
Определить
•состояние;
•память;
•восстановление после ошибок;
•изменение намерения;
•возврат пользователя.
Эксплуатацию
Предусмотреть
•логирование;
•мониторинг;
•трассировку Tool Calling;
•обработку ошибок API;
•тестовые сценарии.
Что для нас особенно важно
Мы работаем не с демонстрационным AI-ботом.
Мы развиваем промышленную корпоративную систему.
Поэтому мы ожидаем, что инженер сможет объяснить
•почему именно так устроена архитектура;
•почему агент вызывает API именно в этот момент;
•какие существуют альтернативные решения;
•какие компромиссы возникают;
•какие риски появляются при масштабировании.
О нашей команде
У нас сильная команда backend-разработчиков, архитекторов и специалистов по бизнес-процессам.
Мы много лет развиваем корпоративную OBT и хорошо понимаем её архитектуру.
Поэтому техническое интервью будет строится вокруг обсуждения инженерных решений.
Мы не оцениваем кандидата по тому, насколько красиво он рассказывает о возможностях LLM или перечисляет современные AI-фреймворки.
Для нас гораздо важнее способность
•объяснить выбранную архитектуру;
•защитить принятое решение;
•аргументировать компромиссы;
•предложить масштабируемую модель развития системы.
Использование AI-инструментов
Мы положительно относимся к использованию ChatGPT, Claude, Qwen, Copilot и других AI-инструментов в ежедневной работе инженера.
Мы сами активно используем современные AI-помощники.
Однако на интервью мы обсуждаем не текст, подготовленный моделью, а инженерное мышление кандидата.
Будьте готовы подробно объяснить
•каждое архитектурное решение;
•каждый вызов API;
•каждое правило поведения агента;
•каждый предложенный Guardrail;
•причины выбора конкретного подхода.
Обязательные требования
•коммерческий опыт разработки от 5 лет;
•опыт проектирования backend-систем;
•опыт интеграции REST API;
•понимание распределённых систем;
•опыт работы с LLM API;
•опыт проектирования AI Agent Systems;
•понимание Tool Calling;
•опыт проектирования State Machine;
•понимание Source of Truth;
•опыт проектирования отказоустойчивых решений.
Будет преимуществом
•PHP / Symfony;
•Python / FastAPI;
•LangGraph;
•Temporal;
•LiteLLM;
•MCP;
•OpenAI Agents SDK;
•PostgreSQL;
•Redis;
•Docker;
•Kubernetes.
Что будет результатом работы
Через 2-3 месяца мы ожидаем получить
•production-ready AI-агента поиска (взаимодействия с внутренним API) авиа, жд билетов и отелей;
•полностью документированную архитектуру поведения агента;
•Intent Map;
•Source of Truth;
•Guardrails;
•матрицу ответственности LLM/API;
•набор тестовых сценариев;
•эксплуатационную документацию.
Первый этап отбора
Вместе с резюме мы просим приложить краткое описание (1–2 страницы)
«Как вы разделили бы ответственность между LLM и существующей корпоративной системой при разработке AI-агента для поиска командировок?»
Нас интересует не выбор модели и не список используемых библиотек.
Мы хотим понять
•как вы проектируете архитектуру;
•как определяете источник истины;
•как принимаете инженерные решения;
•как обеспечиваете безопасность и предсказуемость поведения AI-агента.
