Инженер по качеству AI-агентов

Что предстоит делать

Инженер по качеству AI-агентов О продукте Uklad AI — AI-платформа для комплексной автоматизации работы компаний. Мы создаём AI-сотрудников, которые помогают бизнесу управлять задачами, проводить встречи, работать с CRM и кассой, собирать отчёты и автоматизировать повседневные процессы. По сути, это полноценные цифровые помощники, которые понимают контекст компании, помнят договорённости и умеют самостоятельно выполнять рабочие задачи с помощью множества инструментов. Наши агенты уже работают с реальными бизнес-процессами: от ресторанов и сервисных компаний до бухгалтерских фирм и производственных предприятий. Сейчас мы развиваем платформу и хотим сделать работу AI-агентов ещё более надёжной и эффективной. Мы ищем инженера, которому интересно разбираться в том, почему AI-агент не справился с задачей, находить причину проблемы и исправлять её так, чтобы в следующий раз агент работал лучше. Что предстоит делать: • Анализировать качество работы AI-агентов: изучать диалоги и результаты работы агентов, находить ситуации, в которых они не смогли правильно выполнить задачу пользователя. • Находить причины ошибок: разбираться, почему агент не вызвал нужный инструмент, неправильно выбрал последовательность действий или не смог получить необходимые данные. • Улучшать логику работы агентов: самостоятельно вносить изменения в код, который отвечает за выбор инструментов, выполнение задач и взаимодействие с ними. • Проверять результат изменений: писать тесты, запускать проверки на реальных и тестовых сценариях, сравнивать качество работы агента до и после внесённых изменений. • Работать с метриками качества: анализировать статистику ошибок, отслеживать динамику и понимать, какие изменения действительно улучшают результат, а какие не дают эффекта. • Развивать систему автоматической оценки: работать с AI-судьёй, который оценивает, удалось ли агенту выполнить задачу пользователя, проверять точность его оценок и улучшать систему проверки. • Работать напрямую с основателем: обсуждать основные проблемы продукта, определять приоритеты и регулярно показывать результаты своей работы. Что для нас важно: • У тебя есть опыт разработки на TypeScript или Node.js. Важно уметь самостоятельно читать, понимать и изменять код backend-приложений. • Умеешь работать с SQL и базами данных: можешь самостоятельно анализировать логи, находить закономерности и собирать статистику по работе системы. • Понимаешь, как устроены LLM и AI-агенты: что такое Tool Calling, как модели выбирают инструменты и почему иногда не используют нужные возможности. • Есть опыт написания автоматических тестов и проверки качества работы программных систем. • Умеешь работать с метриками: не просто находить ошибки, а измерять, насколько конкретное изменение повлияло на результат. • Умеешь самостоятельно разбираться в технических проблемах, искать их первопричину и предлагать системные решения. Будет преимуществом: • Опыт работы с AI-агентами и LLM. • Опыт построения систем автоматической оценки качества AI (LLM-as-a-Judge, Evals). • Опыт работы с PostgreSQL и SQLite. • Опыт настройки мониторинга и анализа работы backend-систем. Кого мы ищем Нам нужен инженер, которому действительно интересно разбираться в устройстве AI-агентов и делать их лучше. Ты не просто фиксируешь, что агент ошибся, а пытаешься понять, почему это произошло, находишь причину в коде, исправляешь её и проверяешь результат на цифрах. Нам близок подход, при котором каждое изменение можно проверить: было определённое количество ошибок, внесли исправление, повторили тесты и увидели, изменился ли результат. Важно, чтобы ты не боялся признавать, что гипотеза не сработала, и спокойно возвращал изменения, если они не дали ожидаемого эффекта. Нам подойдут специалисты с опытом backend-разработки, QA Automation или разработки и тестирования AI-агентов. Главное — техническая самостоятельность и желание работать с качеством AI-продукта. Важно: эта позиция предполагает самостоятельную работу с кодом. Опыт только в написании промптов или ручном тестировании без навыков разработки не подойдёт.

Что предлагаем