Bell Integrator·Удаленно·29 сент.
Инженер AI
Ориентир по рынку≈ 180 000 – 300 000 ₽наша приблизительная оценка по 42 вакансиям этой роли и грейда, у работодателя вилка не указана
🌍 УдалённоMiddleПолная занятостьАутсорс
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе. Вакансия живая, задачи расписаны.
3 из 4 в норме
Зарплата не указана: ваша цель, нижняя граница и фраза для первого созвона
Деньги
Вилку работодатель не назвал. Ориентир на созвон: столько платят в 42 похожих вакансиях Инженер уровня Middle.
Живость
Висит 20 дней, признаков фиктивного найма нет.
Описание
Расписано подробно: обязанностей 8, требований 14. Картина ясна до первого созвона.
- Обещают
- аккредитованная IT-компания
- Не сказано
- как оформят, из каких стран можно работать и часовой пояс команды
Что требуют
ОбязательноAIPythonReactLLMDockerRAGPostgreSQLFastAPIKafkaLinux
Надбавка к зарплате на этом уровне: Python +40%, Kafka +20%.
Полный разбор в Pro
Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме
Сколько просить
Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга
Ваше резюме против требований
Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика
Спросить у работодателя
Что стоит спросить: вопросы именно к этой вакансии для первого созвона
Когда откликаться
Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Чем предстоит заниматься
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
Наши требования
Опыт работы от 4-х лет на Python
Высшее образование
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
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
Мы предлагаем
Команда профессионалов, готовых поддержать ваши инициативы
Возможность работы с новыми технологиями, в том числе AI
Конкурентоспособная заработная плата
Корпоративное обучение и сертификация в технических и бизнес областях
Корпоративные развлекательные программы
Возможность работать удаленно на территории РФ
Дополнительно
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
Мы против мошенников на площадке: если тебя просят заплатить, продиктовать код или установить непонятное приложение, прекращай общение и сразу пиши нам (чат с основателем или форма обратной связи).