Middle QA Engineer / AI & LLM

Описание вакансии

#алматы #qa #ai

*🚀* Middle QA Engineer / AI & LLM

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.

*💻* О вакансии

Должность: Middle QA Engineer

Направление: AI / LLM / RAG

Опыт: от 3 лет в ручном тестировании

Формат: удалённая работа

Занятость: full-time

Тип оформления: [ГПХ / ИП]

Зарплата: обсуждается индивидуально

Часовой пояс: GMT + 3

*🔍* Чем предстоит заниматься

— 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.

*🧠* Что ожидаем

QA-база:

— 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.

AI / LLM:

— 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.

Технически:

— 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#.

*🤖* Почему может быть интересно

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.

*📩* Откликнуться