مهندس جودة AI مشارك

• الواجهة الخلفية: اختبار API والعقود، تغطية على مستوى الخدمة والتكامل، إعداد بيانات لا يتلف، وتصميم اختبارات يصمد أمام تغيير المخطط.
• الواجهة الأمامية: تغطية E2E للويب ومستوى المكونات باستخدام Playwright، واختبارات الانحدار البصري و RTL، ومجموعات سريعة بما يكفي لبوابة الدمج بدلاً من الليلية.
• الجوال: تغطية أصلية ومتعددة المنصات باستخدام Appium أو Maestro، استراتيجية مزرعة الأجهزة، سلوك عدم الاتصال والمزامنة، ومسارات الأجهزة الطرفية للمدفوعات التي تنكسر فقط على الأجهزة الحقيقية.
• النسيج الرابط: تركيبات مشتركة، إدارة البيئة وبيانات الاختبار، التوازي، وخطوط CI حيث البناء الأحمر يعني شيئاً.
• خبرة في اختبار الأداء والتحميل.
• توليد الاختبارات من المواصفات والكود وحركة الإنتاج — مع حل قصة الصيانة، وليس فقط المسودة الأولى.
• فرز الأعطال الذي يصنف البناء الأحمر قبل أن يفتحه إنسان: خطأ حقيقي، تقلب، بيئة، أو تلف اختبار.
• محددات المواقع ذاتية الإصلاح وأدوات صحة المجموعة — كشف التقلب، الحجر الصحي، تحليل فجوات التغطية.
• بنية التقييم لميزات AI عبر منتجاتنا: مجموعات البيانات، التقييم، وكشف الانحدار عند تغيير موجه أو نموذج.
• التقييم لسوقنا تحديداً — السلوك العربي والإنجليزي، واجهات RTL، وقواعد POS والضرائب والمدفوعات الخاصة بالمنطقة. الصحة هنا نادراً ما تكون مطابقة نصية.
• AI الوكيلي الذي يقوم بعمل حقيقي في خطوطنا: يقرأ الفرق، يشغل المجموعة ذات الصلة، يعيد إنتاج عطل، يقترح إصلاحاً، يفتح PR.
• وكلاء يمتلكون سير عمل جودة من البداية للنهاية — اختبار استكشافي ضد بناء قيد التشغيل، البحث عن فجوات التغطية، تقييم مخاطر الإصدار — ويعرفون متى يصعدون لإنسان.
• تنسيق يصمد تحت الحمل — تخطيط متعدد الخطوات، استخدام الأدوات، إعادة المحاولات، الحالة والذاكرة عبر الخطوات، تنفيذ معزول، تسليمات متعددة الوكلاء، وحدود نظيفة بين الخطوات الوكيلية والحتمية.
• التكامل مع المنظومة التي لدينا بالفعل (CI، Jira، المراقبة، واجهات أدوات بنمط MCP) بدلاً من نظام موازٍ بجانبه.
• الحكم لمعرفة متى يتفوق خط أنابيب عادي على وكيل، وقول ذلك.
• أتمتة الاختبارات: تصميم الإطار والطبقات، هرم الاختبارات وأين يتوقف عن الفائدة، اقتصاديات التقلب، التنفيذ المتوازي، حقائق الجوال والمتصفحات المتعددة، بوابات CI/CD، الإطار: Playwright، Appium، Maestro
• AI الوكيلي: التنسيق واستخدام الأدوات، التخطيط متعدد الخطوات، الذاكرة والحالة، التنفيذ المعزول، أنماط متعددة الوكلاء، MCP ومعايير تكامل الأدوات المشابهة، وتكلفة كل منها.
• هندسة السياق: استراتيجية الاسترجاع، التقسيم، إعادة الترتيب، التخزين المؤقت، وإدارة سلوك السياق الطويل — بما في ذلك حيث يتدهور.
• التقييم: تقييمات غير متصلة ومتصلة، LLM كقاضي وأوضاع فشله، مراجعة بوجود الإنسان، الأهمية الإحصائية على العينات الصغيرة، بوابات الانحدار في CI.
• الموثوقية: الإخراج المنظم، الحواجز، تصميم الاحتياطي وإعادة المحاولة، والتعامل مع عدم الحتمية في الأنظمة التي يجب ألا تتذبذب.
• العمليات: التتبع والمراقبة لأنظمة LLM، إدارة الموجهات والإصدارات، ميزانية الكمون والتكلفة، توجيه النموذج، ومتى يتفوق الضبط الدقيق أو التقطير على موجه أفضل.
• مهندس يشحن برمجيات إنتاجية، مع عمل يدوي حديث على أنظمة مدعومة بـ LLM يعتمد عليها مستخدمون حقيقيون.
• Python قوي؛ مرتاح في واحدة على الأقل من .NET أو Java أو TypeScript. كود مُختبر ومصان — ليس دفاتر.
• عمق أتمتة حقيقي عبر أكثر من واجهة. قد امتلكت مجموعة تبوّب الإصدارات على الواجهة الخلفية وعلى واجهة مستخدم — ويب أو جوال — ويمكنك شرح كيف أبقيتها خضراء دون حذف الاختبارات الصعبة.
• خبرة حقيقية في بناء أنظمة التقييم. يمكنك شرح كيف عرفت أن نظامك يتحسن، بالأرقام.
• عمق عملي مع مجموعة أدوات LLM الحديثة — التوجيه، الإخراج المنظم، استخدام الأدوات، الاسترجاع، تنسيق AI الوكيلي — وفهم واضح للمقايضات.
• أساسيات اختبار موثوقة. لا تحتاج لقب QA، لكن تصميم الاختبارات وأطر الأتمتة و CI/CD يجب ألا تكون جديدة عليك.
• ميل نحو التبني. تقيس عملك بما يستخدمه المهندسون الآخرون، وليس بما عرضته.
• لدينا ثقافة شاملة ومتنوعة تشجع الابتكار والمرونة في العمل المكتبي والإعدادات الهجينة.
• نقدم حزم تعويضات تنافسية للغاية، بما في ذلك المكافآت وإمكانية الأسهم.
• نعطي الأولوية للتطوير الشخصي ونقدم تدريباً منتظماً وبدل تعلم سنوي لمواجهة تحديات جديدة...

المهارات المطلوبة