EvoAI

Ищем Frontend-разработчика уровня Middle в команду кастомной разработки AI-решений. Мы создаем продукты для внешних заказчиков на базе LLM, Computer Vision, классического ML/Data Science: от MVP и пилотов до полноценных production-систем. Это могут быть AI-ассистенты, аналитические системы, интерфейсы для работы с документами и данными, CV-сервисы, внутренние корпоративные продукты и другие решения с AI под конкретные бизнес-задачи клиента. У нас нет одного продукта, который развивается годами: проекты и задачи меняются, поэтому важны самостоятельность, инженерное мышление и способность быстро погружаться в новый домен. Чем предстоит заниматься: Разрабатывать frontend для кастомных web-приложений и AI-сервисов. Создавать интерфейсы для работы с LLM: чаты, AI-ассистенты, история диалогов, отображение источников, статусов генерации и результатов обработки. Разрабатывать интерфейсы для CV/ML-решений: загрузка и просмотр изображений и файлов, визуализация результатов распознавания, разметки, аналитики и метрик. Реализовывать таблицы, фильтры, формы, дашборды и другие data-heavy интерфейсы. Интегрироваться с backend API, REST/WebSocket/SSE и внешними сервисами. Работать совместно с Backend, ML/LLM/CV-разработчиками, DevOps, QA и PM. Участвовать в технической проработке новых проектов и оценке frontend-части. Быстро собирать MVP и при этом закладывать архитектуру, которую можно развивать дальше. Проводить code review и поддерживать качество frontend-кода. Участвовать в тестировании и выпуске решений в production. Разбираться в проблемах на стыке frontend/backend и помогать доводить решение до рабочего результата. ​​​​​​ Что мы ожидаем: Коммерческий опыт frontend-разработки от 2–3 лет. Уверенное знание JavaScript / TypeScript. Опыт разработки на React. Понимание принципов компонентной архитектуры и управления состоянием. Хорошее знание HTML, CSS и адаптивной верстки. Опыт интеграции frontend с REST API. Понимание HTTP, авторизации, обработки ошибок и клиент-серверного взаимодействия. Опыт работы с Git. Умение самостоятельно разобраться в чужом API или существующем проекте. Способность декомпозировать задачу и оценивать сроки реализации. Понимание основных подходов к тестированию frontend-приложений. Умение работать в условиях, когда требования могут уточняться по мере разработки MVP. Для нас особенно важно: Самостоятельность. Мы ожидаем, что Middle-разработчик способен взять задачу от постановки до готового результата, а не только реализовать подробно расписанный набор компонентов. Гибкость. Сегодня это может быть интерфейс LLM-ассистента, завтра — система просмотра результатов компьютерного зрения, а следующий проект — сложный аналитический кабинет. Умение работать с неопределенностью. В кастомной разработке часть требований формируется вместе с заказчиком, поэтому важно уметь задавать правильные вопросы и предлагать технические варианты решения. Ответственность за результат. Для нас frontend — это не только верстка по макету. Разработчик участвует в создании работающего продукта и взаимодействует с командой по API, UX, ограничениям и архитектуре решения. Технический стек / Hard Skills: Обязательно: JavaScript ES6+ — уверенное понимание языка, асинхронности, Promise, async/await, event loop. TypeScript — типизация компонентов, API-моделей, generic-типы, utility types. React — hooks, component lifecycle, composition, controlled/uncontrolled components. State Management — опыт работы хотя бы с одним из подходов: Redux Toolkit, Zustand, MobX или аналогами. Работа с server state — TanStack Query / React Query либо аналогичные решения. HTML5 / CSS3 — семантическая верстка, Flexbox, Grid, адаптивность. UI frameworks / component libraries — Ant Design, Material UI, shadcn/ui или аналогичные. REST API — интеграция с backend, обработка ошибок, pagination, filtering, sorting. HTTP — методы, status codes, headers, cookies, CORS, базовое понимание клиент-серверного взаимодействия. Авторизация и безопасность на frontend — JWT/OAuth, access/refresh tokens, базовое понимание XSS/CSRF. Git — branches, merge/rebase, pull/merge requests, разрешение конфликтов. npm / yarn / pnpm — управление зависимостями и scripts. Vite / Webpack — понимание процесса сборки frontend-приложения. Browser DevTools — Network, Performance, Console, debugging. Тестирование: unit/component tests — Jest или Vitest; React Testing Library; базовое понимание E2E-тестирования — Playwright/Cypress; способность самостоятельно проверять реализованный функционал до передачи QA. Для наших AI-проектов желательно: WebSocket / Server-Sent Events (SSE) — для streaming и real-time сценариев; работа с потоковыми ответами LLM; загрузка больших файлов через frontend; отображение изображений, документов, аудио/видео; сложные таблицы и виртуализация больших списков; визуализация данных — ECharts, Recharts, Chart.js, Plotly или аналоги; Markdown/rendering контента и code highlighting; опыт реализации chat-like интерфейсов; понимание особенностей асинхронных AI-задач: queued → processing → completed/failed; базовое понимание LLM/RAG/CV/ML достаточно на уровне взаимодействия frontend с соответствующими backend-сервисами. Будет плюсом: Next.js; SSR/SSG; Docker; CI/CD; Storybook; design systems; микрофронтенды; performance optimization; Web Workers; опыт работы с Canvas/SVG; опыт интеграции frontend с AI/LLM API. Какие задачи могут встретиться: Например: интерфейс корпоративного AI-ассистента с RAG; чат с потоковым выводом ответа LLM и отображением источников; кабинет оператора для проверки результатов распознавания документов; интерфейс загрузки и анализа изображений для CV-модели; система просмотра и корректировки результатов ML-модели; аналитический dashboard с большим количеством фильтров и данных; frontend для внутреннего корпоративного AI-сервиса; быстрое создание интерфейса для MVP, который необходимо показать клиенту через несколько недель. ​​​​​​​Что мы предлагаем: Работу над реальными AI-продуктами для бизнеса, где frontend является полноценной частью решения, а не отдельным слоем «отрисовки экранов». У вас будет возможность работать сразу с несколькими направлениями — LLM, CV и классическим ML/DS, участвовать в создании архитектуры решений и видеть полный путь проекта от идеи и MVP до production. Удаленный формат работы с 09.00 до 18.00 по мск. Оформление по ТК РФ.

Кто мы EVO AI — IT-компания в области AI-консалтинга и генеративного искусственного интеллекта. Мы разрабатываем и внедряем AI-агентов, ассистентов и комплексные AI-решения для бизнеса, а также развиваем собственную no-code платформу NovaAgent для создания и оркестрации AI-агентов. Работаем с крупным российским и международным бизнесом. От нас ожидают не просто технологию, а глубокое понимание бизнес-процессов и отраслевой специфики клиентов. Основные обязанности: • Анализировать требования и критерии приемки, выявлять пробелы и риски до начала разработки. • Подготавливать test plan, чек-листы, тест-кейсы, наборы тестовых данных и acceptance scenarios для закреплённых проектов. • Проводить функциональное, интеграционное, системное, API, UI, E2E, smoke, sanity, regression и re-testing. • Проверять корректность данных в БД, анализировать логи и взаимодействие с внешними сервисами. • Фиксировать дефекты с воспроизводимыми шагами, ожидаемым и фактическим результатом, severity, evidence и связью с требованием. • Поддерживать регрессионные наборы и обеспечивать готовность проекта к внутренней и клиентской приемке. • Выполнять AI/LLM/RAG/agent testing по методике Senior: запускать eval-наборы, анализировать ошибки и формировать новые тестовые сценарии. • Автоматизировать повторяемые API/UI/регрессионные проверки и подключать их к CI/CD под техническим руководством Senior. • Помогать проектным командам использовать QA-шаблоны, проводить self-testing и корректно оформлять результаты. • Участвовать в обучающих сессиях, office hours и ревью тестовых артефактов. Обязательные профессиональные компетенции: База QA • Практический опыт коммерческого тестирования от 3 лет. • Знание техник тест-дизайна, жизненного цикла дефекта, уровней и видов тестирования. • Умение самостоятельно декомпозировать требования в набор проверок и определять приоритет тестовых сценариев. API, интеграции и данные • Уверенное тестирование REST API через Postman, Swagger/OpenAPI или аналогичные инструменты. • Работа с SQL на уровне выборок, проверок состояния данных и поиска причин несоответствий. • Навык чтения логов и базовое понимание HTTP, JSON, авторизации, очередей и интеграционных взаимодействий. Тестовая документация и процессы • Умение писать понятные чек-листы, тест-кейсы, bug reports и test reports. • Опыт работы с Jira/Confluence или аналогичными системами. • Понимание DoR/DoD, acceptance criteria, smoke/regression suite и release checklist. Автоматизация • Базовые навыки программирования или скриптинга на Python, Java либо JavaScript/TypeScript. • Опыт написания простых API- или UI-автотестов; готовность развиваться в автоматизации. • Базовое понимание Git и CI/CD, способность запускать, анализировать и поддерживать автотесты. AI QA • Понимание особенностей LLM/RAG/agent testing и недетерминированного поведения моделей. • Способность проводить разметку и анализ eval-наборов по критериям accuracy, relevance, completeness, groundedness и safety. • Готовность проверять негативные, edge-case, fallback, tool calling и human handoff сценарии. Коммуникация: • Умение аргументированно обсуждать дефекты с разработчиками и PM без формального подхода «передать баг и ждать». • Готовность обучать коллег базовым QA-практикам и поддерживать внедрение стандартов в проектах. Желательный опыт: • Опыт тестирования backend, микросервисов, AI-сервисов или проектов с большим количеством интеграций. • Опыт с pytest, Playwright/Selenium, Newman, k6/JMeter или аналогичными инструментами. • Навык работы с Docker и тестовыми окружениями. • Опыт участия в клиентской приемке и сопровождении production-релизов. Условия: Удаленный формат работы с 09.00 до 18.00 по мск. Оформление по ТК РФ. Участие в ML-/LLM-проектах федерального уровня. Сильная команда, в которой есть возможность для реализации творческих идей и профессионального роста.

О компании EVO AI — IT-компания в области AI-консалтинга и генеративного искусственного интеллекта. Мы создаём и внедряем AI-агентов, интеллектуальных ассистентов и комплексные AI-решения для бизнеса. Также развиваем собственную no-code платформу NovaAgent — инструмент для создания и оркестрации AI-агентов без необходимости глубокой разработки. Работаем с крупными российскими и международными компаниями, помогая им решать реальные бизнес-задачи с помощью AI. Наша ключевая особенность — мы не просто внедряем технологии, а глубоко погружаемся в бизнес-процессы клиентов и отраслевую специфику, чтобы создавать решения с измеримой ценностью. Задачи: Формирование продукта (0→1): — Определение целевых сегментов (SMB, продвинутые пользователи и др.) — Формирование value proposition — Упаковка первых решений в продукт Поиск product-market fit: — Работа с реальными кейсами клиентов — Запуск пилотов и быстрые итерации — Проверка гипотез через рынок Ownership бизнес-результата: — Формирование юнит-экономики и модели монетизации — Понимание драйверов выручки — Оценка масштабируемости Доказательство ценности продукта: — Формирование ROI для клиентов — Кейсы «до/после» — Перевод ценности в деньги Go-to-market: — Совместная работа с продажами: пилоты → контракты — Формирование повторяемой модели внедрения Развитие продукта: — Формирование roadmap на основе бизнес-эффекта — Баланс между кастомными решениями и продуктом Масштабирование: — Превращение кейсов в продукт, а не в кастомную разработку Требования: — Опыт работы Product Manager / Product Owner в B2B — Опыт запуска или развития продукта (0→1 или 1→N) — Умение работать в условиях неопределённости — Понимание, как бизнес принимает решения и за что платит — Готовность отвечать за бизнес-результат — Интерес к AI / ML / GenAI Будет плюсом: — Опыт платформенных продуктов — Работа с разными сегментами пользователей — Опыт общения с C-level Мы не подойдём, если: — Вам нужен сформированный продукт и стабильный бэклог — Комфортнее работать по чёткому ТЗ — Нет интереса к работе с рынком и клиентами — Не готовы принимать решения в условиях неопределённости Мы подойдём, если: — Хочется строить продукт с нуля — Интересны AI и новые технологии — Важно влиять на стратегию — Ок работать через гипотезы и практику Условия: Удаленный формат работы с 09:00 до 18:00 по мск; Сильная команда, в которой есть возможность для реализации творческих идей и профессионального роста.

О продукте EvoAI — это веб-SaaS-платформа для разработки LLM-приложений. С её помощью команды собирают и выкатывают в прод корпоративных AI-агентов, подключают их к Telegram и другим каналам и оркеструют поверх собственных данных. Команда на этапе активного роста — мы перестраиваем техническую команду под масштабирование. Нам нужен senior-инженер и лид, который хочет ownership, а не детальные ТЗ; думает системно; готов влиять на архитектуру, процессы и качество; хочет строить платформу, а не «закрывать таски». Роль Ты — владелец качества продукта. Отвечаешь за QA-стратегию и качество релизов платформы, на которой работают корпоративные клиенты. Это не только функциональное тестирование UI — это качество недетерминированной AI-системы: агентов, RAG-пайплайнов, интеграций с LLM-провайдерами и vector-базами. Зоны ответственности: QA-стратегия продукта — и для классической веб-части (Flask API, Next.js UI), и для LLM-специфичной (eval агентов и RAG, prompt-регрессии). Ownership процессов тестирования — TDD (red → green → refactor), AAA-структура, разделение unit / integration / E2E. Quality gates для релизов — coverage-пороги, type-check (ruff / tsc), линты, прогон Playwright, проверка миграций Alembic. Развитие автоматизации — pytest + testcontainers на бэке; Vitest + React Testing Library + Playwright на фронте; нагрузочное и chaos-тестирование Celery-воркеров и vector-БД; security-тесты (SSRF-прокси, multi-tenant изоляция, секреты). Eval-инфраструктура для AI-агентов — автоматизация качества ответов через Langfuse / Opik / Weave, регресс-наборы по промптам и тулзам, метрики качества RAG-ретривала. Управление небольшой QA командой - управление фокусом команды и распределение задач. Менторинг QA и разработки — code review тестов, прокачивание команды в pytest / Vitest. Ожидания от кандидата: 5+ лет опыта в QA. Опыт построения QA-процессов с нуля или их масштабирования. Понимание SDLC и CI/CD (GitHub Actions, Docker Compose в пайплайнах, параллельный прогон тестов). Уверенный Python: pytest, фикстуры, параметризация, моки, testcontainers; опыт тестирования Flask / SQLAlchemy / Celery. Автоматизация фронта: Vitest или Jest + RTL, Playwright или Cypress на E2E. Тестирование API: REST / contract-first (OpenAPI), типобезопасные контракты. Понимание распределённых систем: очереди (Celery / Redis), async-флоу, eventual consistency, мультиарендность. PostgreSQL: миграции (Alembic), tenant-scoping, тестирование на реальной БД, а не на моках. Умение аргументировать качество с точки зрения бизнеса (риск регрессии vs. скорость релиза). Самостоятельность и проактивный ownership: умение брать зону ответственности целиком и доводить до результата без детальных ТЗ. Будет плюсом: Опыт тестирования LLM-приложений или AI-агентов. Опыт с vector-БД (pgvector, Qdrant, Weaviate, Pinecone и т. п.) и тестированием качества RAG-ретривала. Условия: Удаленный формат работы с 09:00 до 18:00 по мск; Сильная команда, в которой есть возможность для реализации творческих идей и профессионального роста.

О компании EVO AI — IT-компания в области AI-консалтинга и генеративного искусственного интеллекта. Мы разрабатываем и внедряем AI-агентов, ассистентов и комплексные AI-решения для бизнеса, а также развиваем собственную no-code платформу NovaAgent для создания и оркестрации AI-агентов. Работаем с крупным российским и международным бизнесом. От нас ожидают не просто технологию, а глубокое понимание бизнес-процессов и отраслевой специфики клиентов. Чем предстоит заниматься: Мы ищем аналитика данных, который поможет выстроить систему управленческой отчетности и аналитики компании. Основная задача — объединить данные из различных систем, автоматизировать сбор показателей и создать удобные инструменты для принятия управленческих решений. Основные задачи: Разработка и развитие системы BI-отчетности компании. Интеграция источников данных (Bitrix24, Jira, 1С и другие корпоративные системы). Построение автоматизированных витрин данных и настройка регулярного обновления показателей. Создание и развитие дашбордов для различных подразделений: продажи и воронка продаж; управление проектами и загрузка команд; финансовые и операционные показатели; HR-метрики и эффективность сотрудников; сводная отчетность для руководства. Поддержка и развитие существующих дашбордов с учетом новых требований бизнеса. Автоматизация ручной отчетности, таблиц и регулярных расчетов. Анализ данных и поиск точек роста эффективности бизнеса. Формирование метрик, KPI и методик расчета показателей. Контроль качества данных и выявление расхождений между системами. Участие в проектах по цифровизации и автоматизации внутренних процессов. Что мы ожидаем: Опыт работы аналитиком данных, BI-аналитиком или аналитиком бизнес-процессов от 2 лет. Опыт работы с BI-системами (Power BI, Tableau, DataLens, Looker Studio или аналогичными). Уверенные навыки написания SQL-запросов. Опыт интеграции данных через API. Понимание принципов построения отчетности и визуализации данных. Опыт работы с несколькими источниками данных и их консолидацией. Умение самостоятельно находить закономерности в данных и предлагать решения на их основе. Системное мышление и внимание к качеству данных. Будет плюсом: Опыт работы с Jira, Bitrix24, 1С или аналогичными корпоративными системами. Понимание процессов продаж, проектного управления и финансового учета. Навыки автоматизации отчетности и бизнес-процессов. Опыт работы с Python для анализа данных и автоматизации. Опыт построения управленческой отчетности для руководства компании. Что предлагаем: Полностью удаленный формат работы. Возможность выстроить систему аналитики компании практически с нуля и влиять на принятие управленческих решений. Работа на стыке бизнеса, данных и современных AI-технологий. Участие в проектах цифровизации и автоматизации внутренних процессов. Быстрые циклы внедрения изменений без лишней бюрократии. Возможность профессионального роста и расширения зоны ответственности. Команда, открытая к инициативам и новым идеям.

О компании EVO AI — IT-компания в области AI-консалтинга и генеративного искусственного интеллекта. Мы разрабатываем и внедряем AI-агентов, ассистентов и комплексные AI-решения для бизнеса , а также развиваем собственную no-code платформу NovaAgent для создания и оркестрации AI-агентов. Работаем с крупным российским и международным бизнесом. От нас ожидают не просто технологию, а глубокое понимание бизнес-процессов и отраслевой специфики клиентов . Обязанности: Разработка и настройка моделей: Настройка и обучение языковых моделей для выполнения специфических задач, таких как обработка естественного языка, генерация текста или автоматизация рутинных процессов. 2. Интеграция моделей с бизнес-процессами: Внедрение и интеграция моделей в существующие системы и процессы компании для оптимизации рабочих потоков. 3. Анализ и улучшение моделей: Мониторинг и анализ производительности моделей, выявление областей для улучшения и корректировка параметров или архитектуры модели. 4. Обеспечение качества данных: Работа с наборами данных, включая их сбор, очистку и предварительную обработку для обучения моделей. Требования к сотруднику: Опыт работы с NLP: Глубокое понимание методов обработки естественного языка. Знание фреймворков и библиотек NLP, таких как NLTK, spaCy, Hugging Face Transformers и др . 2. Знание архитектур языковых моделей: Понимание и опыт работы с архитектурами трансформеров, включая BERT, GPT и их вариации. Опыт настройки и тонкой оптимизации больших языковых моделей. 3. Программирование и вычислительные навыки: Уверенное владение Python, включая библиотеки для глубокого обучения (TensorFlow, PyTorch). Навыки оптимизации модели для улучшения производительности и снижения потребления ресурсов. 4. Инфраструктура и развертывание: Знание облачных платформ (AWS, GCP, Azure) для развертывания и масштабирования ML моделей. Опыт работы с инструментариями Docker и Kubernetes. 5. Опыт в разработке чат-ботов: Опыт проектирования, разработки и интеграции чат-ботов в различные платформы. Понимание и умение учитывать UX/UI аспекты при создании ботов. 6. Сбор и подготовка данных: Навыки сбора, очистки и аннотирования текстовых данных. Опыт работы с большими объемами данных и инструментами для их обработки (Pandas, SQL и др.). 7. Оценка и тестирование модели: Способность оценивать качество модели с помощью метрик, подходящих для задач NLP (перплексия, точность, F1-score и др.) Навыки разработки A/B тестов и экспериментов для оценки производительности моделей в реальных условиях. 8. Обучение и адаптация моделей: Способность к адаптации моделей под конкретные задачи и домены. Знание техник дообучения (fine-tuning) и трансферного обучения. 9. Безопасность и этика: Понимание и соблюдение принципов этического использования ИИ, включая предотвращение и устранение biais и дискриминации. Навыки обеспечения безопасности данных пользователей и конфиденциальности. 10. Коммуникационные навыки: Умение работать в команде, взаимодействовать с клиентами и другими стейкхолдерами. Способность объяснять сложные технические концепции на доступном языке. Условия: Удалённая работа Участие в разработке AI-продукта с реальными клиентами Возможность влиять на архитектуру и продукт Быстрые циклы разработки, без бюрократии Рост в сторону Senior / Lead LLM Engineer

О продукте EvoAI — это веб-SaaS-платформа для разработки LLM-приложений. С её помощью команды собирают и выкатывают в прод корпоративных AI-агентов, подключают их к Telegram и другим каналам и оркеструют поверх собственных данных. Команда на этапе активного роста — мы перестраиваем техническую команду под масштабирование. Нам нужен senior-инженер и лид, который хочет ownership, а не детальные ТЗ; думает системно; готов влиять на архитектуру, процессы и качество; хочет строить платформу, а не «закрывать таски». Роль Ты — владелец качества продукта. Отвечаешь за QA-стратегию и качество релизов платформы, на которой работают корпоративные клиенты. Это не только функциональное тестирование UI — это качество недетерминированной AI-системы: агентов, RAG-пайплайнов, интеграций с LLM-провайдерами и vector-базами. Зоны ответственности: QA-стратегия продукта — и для классической веб-части (Flask API, Next.js UI), и для LLM-специфичной (eval агентов и RAG, prompt-регрессии). Ownership процессов тестирования — TDD (red → green → refactor), AAA-структура, разделение unit / integration / E2E. Quality gates для релизов — coverage-пороги, type-check (ruff / tsc), линты, прогон Playwright, проверка миграций Alembic. Развитие автоматизации — pytest + testcontainers на бэке; Vitest + React Testing Library + Playwright на фронте; нагрузочное и chaos-тестирование Celery-воркеров и vector-БД; security-тесты (SSRF-прокси, multi-tenant изоляция, секреты). Eval-инфраструктура для AI-агентов — автоматизация качества ответов через Langfuse / Opik / Weave, регресс-наборы по промптам и тулзам, метрики качества RAG-ретривала. Управление небольшой QA командой - управление фокусом команды и распределение задач. Менторинг QA и разработки — code review тестов, прокачивание команды в pytest / Vitest. Ожидания от кандидата: 5+ лет опыта в QA. Опыт построения QA-процессов с нуля или их масштабирования. Понимание SDLC и CI/CD (GitHub Actions, Docker Compose в пайплайнах, параллельный прогон тестов). Уверенный Python: pytest, фикстуры, параметризация, моки, testcontainers; опыт тестирования Flask / SQLAlchemy / Celery. Автоматизация фронта: Vitest или Jest + RTL, Playwright или Cypress на E2E. Тестирование API: REST / contract-first (OpenAPI), типобезопасные контракты. Понимание распределённых систем: очереди (Celery / Redis), async-флоу, eventual consistency, мультиарендность. PostgreSQL: миграции (Alembic), tenant-scoping, тестирование на реальной БД, а не на моках. Умение аргументировать качество с точки зрения бизнеса (риск регрессии vs. скорость релиза). Самостоятельность и проактивный ownership: умение брать зону ответственности целиком и доводить до результата без детальных ТЗ. Будет плюсом: Опыт тестирования LLM-приложений или AI-агентов. Опыт с vector-БД (pgvector, Qdrant, Weaviate, Pinecone и т. п.) и тестированием качества RAG-ретривала. Условия: Удаленный формат работы с 09:00 до 18:00 по мск; Сильная команда, в которой есть возможность для реализации творческих идей и профессионального роста.