Мы более 15 лет разрабатываем корпоративную платформу управления командировками (Online Booking Tool).
Это промышленная система, которой ежедневно пользуются корпоративные клиенты.
Backend платформы построен на PHP/Symfony и включает десятки интеграций с внешними поставщиками и внутренними сервисами.
Мы начинаем внедрение AI-агентов как нового пользовательского интерфейса к существующей OBT.
Что уже сделано:
Проект не начинается "с чистого листа".
Уже подготовлены:
-
архитектура первого AI-агента (90%);
-
поверхностное описание пользовательских сценариев;
-
частичная модель состояний;
-
схема интеграции сервисов;
-
частичное описание взаимодействия с внутренними API;
-
концепция хранения контекста;
-
архитектура workflow.
Поэтому мы ищем инженера, который сможет критически оценить существующие решения, доработать их и довести до промышленной эксплуатации.
Что предстоит сделать:
Первый этап проекта — разработка AI-агента поиска авиа, жд билетов и отелей.
Агент должен:
-
понимать естественную речь пользователя;
-
вести диалог;
-
собирать параметры поездки;
-
вызывать внутренние API;
-
получать профиль пользователя;
-
получать тревел-политику;
-
получать результаты поиска рейсов;
-
объяснять ограничения простым языком;
-
передавать заказ в существующую систему.
Важно:
AI не принимает бизнес-решения самостоятельно.
Все корпоративные правила, лимиты, цены, тревел-политика и результаты поиска поступают исключительно из внутренних API.
Что мы ищем:
Мы ищем не специалиста по ChatGPT/Claud.
И не человека, который умеет подключать LLM к API.
Нам нужен инженер, который способен проектировать корпоративного AI-агента.
Для нас AI — это не промпты.
Это:
-
архитектура;
-
интеграции;
-
управление состоянием;
-
маршрутизация запросов;
-
проектирование Intent Map;
-
Tool Calling;
-
Guardrails;
-
Source of Truth;
-
отказоустойчивость;
-
безопасность;
-
сопровождение production-систем.
Что необходимо спроектировать:
Мы ожидаем, что инженер сможет самостоятельно разработать и обосновать:
Правила поведения агента:
Какие вопросы агент:
-
решает самостоятельно;
-
обязан передавать внутренним API;
-
обязан уточнять;
-
не имеет права отвечать без корпоративных данных.
Intent Map:
Полную карту пользовательских намерений.
Для каждого Intent определить:
-
необходимые API;
-
обязательные параметры;
-
fallback;
-
обработку ошибок;
-
переходы между состояниями.
Source of Truth:
Определить:
какие данные являются источником истины.
Например:
-
тревел-политика;
-
лимиты;
-
цены;
-
поиск;
-
согласование;
-
статус заказа.
Guardrails:
Определить:
что модели запрещено делать.
Например:
-
придумывать цены;
-
придумывать рейсы;
-
интерпретировать тревел-политику;
-
самостоятельно принимать корпоративные решения.
Архитектуру диалога:
Определить:
-
состояние;
-
память;
-
восстановление после ошибок;
-
изменение намерения;
-
возврат пользователя.
Эксплуатацию:
Предусмотреть:
-
логирование;
-
мониторинг;
-
трассировку Tool Calling;
-
обработку ошибок API;
-
тестовые сценарии.
Что для нас особенно важно:
Мы работаем не с демонстрационным AI-ботом.
Мы развиваем промышленную корпоративную систему.
Поэтому мы ожидаем, что инженер сможет объяснить:
-
почему именно так устроена архитектура;
-
почему агент вызывает API именно в этот момент;
-
какие существуют альтернативные решения;
-
какие компромиссы возникают;
-
какие риски появляются при масштабировании.
О нашей команде:
У нас сильная команда backend-разработчиков, архитекторов и специалистов по бизнес-процессам.
Мы много лет развиваем корпоративную OBT и хорошо понимаем её архитектуру.
Поэтому техническое интервью будет строится вокруг обсуждения инженерных решений.
Мы не оцениваем кандидата по тому, насколько красиво он рассказывает о возможностях LLM или перечисляет современные AI-фреймворки.
Для нас гораздо важнее способность:
-
объяснить выбранную архитектуру;
-
защитить принятое решение;
-
аргументировать компромиссы;
-
предложить масштабируемую модель развития системы.
Использование AI-инструментов:
Мы положительно относимся к использованию ChatGPT, Claude, Qwen, Copilot и других AI-инструментов в ежедневной работе инженера.
Мы сами активно используем современные AI-помощники.
Однако на интервью мы обсуждаем не текст, подготовленный моделью, а инженерное мышление кандидата.
Будьте готовы подробно объяснить:
-
каждое архитектурное решение;
-
каждый вызов API;
-
каждое правило поведения агента;
-
каждый предложенный Guardrail;
-
причины выбора конкретного подхода.
Обязательные требования:
-
коммерческий опыт разработки от 5 лет;
-
опыт проектирования backend-систем;
-
опыт интеграции REST API;
-
понимание распределённых систем;
-
опыт работы с LLM API;
-
опыт проектирования AI Agent Systems;
-
понимание Tool Calling;
-
опыт проектирования State Machine;
-
понимание Source of Truth;
-
опыт проектирования отказоустойчивых решений.
Будет преимуществом:
-
PHP / Symfony;
-
Python / FastAPI;
-
LangGraph;
-
Temporal;
-
LiteLLM;
-
MCP;
-
OpenAI Agents SDK;
-
PostgreSQL;
-
Redis;
-
Docker;
-
Kubernetes.
Что будет результатом работы:
Через 2-3 месяца мы ожидаем получить:
-
production-ready AI-агента поиска (взаимодействия с внутренним API) авиа, жд билетов и отелей;
-
полностью документированную архитектуру поведения агента;
-
Intent Map;
-
Source of Truth;
-
Guardrails;
-
матрицу ответственности LLM/API;
-
набор тестовых сценариев;
-
эксплуатационную документацию.
Первый этап отбора:
Вместе с резюме мы просим приложить краткое описание (1–2 страницы):
«Как вы разделили бы ответственность между LLM и существующей корпоративной системой при разработке AI-агента для поиска командировок?»
Нас интересует не выбор модели и не список используемых библиотек.
Мы хотим понять:
-
как вы проектируете архитектуру;
-
как определяете источник истины;
-
как принимаете инженерные решения;
-
как обеспечиваете безопасность и предсказуемость поведения AI-агента.
