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
Требования
- Практический опыт построения RAG-систем и работы с векторными хранилищами, желательно PostgreSQL + pgvector
- 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 требования
- 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
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 со 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
- 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
Ждем резюме на контакт рекрутера
