Чем предстоит заниматься:
1. Опыт с большими языковыми моделями (LLM) и современным стеком ИИ
- Практический опыт работы с LLM (OpenAI GPT, Claude, DeepSeek, Qwen и локальные модели Llama, Mistral)
- Понимание и применение RAG (дополнение генерации извлечением информации) для контекста кодовой базы
- Навыки инженерии промптов (prompt engineering) и опыт дообучения (fine-tuning) моделей на специализированных данных
- Оценка качества выдачи LLM: метрики, A/B тестирование, человеческая оценка (human evaluation)
2. Разработка ИИ-агентов
- Опыт создания агентов на фреймворках (LangChain, LlamaIndex, CrewAI, AutoGen или аналогах)
- Понимание агентных процессов (agentic workflows): ReAct, планирование, декомпозиция задач, использование инструментов (tools)
- Интеграция агентов с внутренними API, Git, Jira, CI/CD пайплайнами, системами логирования
3. Анализ кода и статическая обработка
- Понимание принципов статического анализа кода, поиска уязвимостей и антипаттернов (anti-patterns)
- Опыт извлечения семантической информации из кодовой базы: зависимости, бизнес-логика, API-контракты
4. Опыт разработки
- От 2 лет опыта разработки на Go, Java, TypeScript или Python
- Базовое знание C++
- Понимание архитектуры микросервисов, REST/GraphQL API, событийно-
- ориентированных систем (event-driven систем)
- Опыт с Git, GitLab, CI/CD (GitLab CI)
5. Работа с данными и инфраструктурой
- Опыт векторных баз данных: Pinecone, Weaviate, Qdrant или локальные решения
- Работа с эмбеддингами кода (code embeddings) и текстов: OpenAI, SentenceTransformers
- Оптимизация поиска по кодовой базе и документации (гибридный поиск, реранжирование)
- Опыт работы с системами управления логами (Loki, Grafana) и анализом больших объемов логов
- Навыки настройки и запуска CI/CD джобов в GitLab CI
6. Безопасность и соответствие стандартам
- Понимание принципов информационной безопасности при работе с исходным кодом и логами
- Знание подходов к анонимизации и очистке чувствительных данных в логах и коде
Soft skills
- Способность к быстрым исследованиям и быстрому созданию прототипов — важно для стадии исследования
- Коммуникация с командами разработки: понимание их проблем и перевод в
- технические требования
- Самообучение и документирование экспериментов
- Ответственность при работе с конфиденциальными данными
Будет плюсом
- Опыт с Vue.js/React для создания UI для внутренних инструментов разработчика
- Знание инструментов статического анализа: SonarQube, Semgrep, CodeQL, ESLint
- Опыт с тестовыми фреймворками: JUnit, TestNG, Go testing, GTest, Cypress
- Опыт с обнаружением секретов и их сокрытием в коде и логах
- Понимание устройства Git, JJ
- Опыт с мониторингом: Prometheus, Grafana
Зоны ответственности
- Исследование и прототипирование агентов для перечисленных задач (генерация и ревью кода, генерация тестов, поиск багов)
- Оценка качества и ценности решений (базовая линия, метрики, обратная связь от разработчиков)
- Интеграция с существующими процессами: IDE, Git хуки, CI/CD, workflow код-ревью
- Построение пайплайнов для сбора и актуализации контекста (код, документация, логи)
- Обучение команды разработки использованию инструментов
- Обеспечение безопасности и соответствия стандартам при доступе к репозиториям и логам
