java-разработчик сервисов баз знаний на основе RAG

Мы строим продукт, в котором применяются разные подходы к построению RAG: векторные, графовые и гибридные, различные стратегии чанкинга и реранкинга. Сейчас MVP уже в продакшене — впереди развитие, эксперименты и масштабирование. Мы ищем сильного Java-разработчика уровня Middle++, который готов за 2 месяца переучиться на Scala и развивать наш сервис по созданию баз знаний на основе RAG.

• разрабатывать и развивать backend сервиса баз знаний на Scala (ZIO, Cats Effect, Spark)
• проектировать и реализовывать различные типы RAG-пайплайнов: векторный поиск, графовый retrieval, гибридные схемы
• экспериментировать с методами чанкинга (по структуре, семантические, иерархические и др.) и реранкинга
• интегрироваться с LLM (GigaChat, Qwen) через LangChain, работать с pgvector, Elasticsearch, ClickHouse, Qdrant
• совместно с ML-инженерами из соседней команды проверять гипотезы, выводить их в прод и измерять качество
• участвовать в архитектурных решениях и развитии инженерной культуры команды из 4 Scala-разработчиков
• первые ~2 месяца — выделенное время на внутреннее обучение Scala с поддержкой команды и плавным погружением в боевые задачи.

• коммерческий опыт разработки на Java от 3 лет: уверенное знание JVM, многопоточности, понимание особенностей сборщика мусора и работы с памятью
• опыт проектирования и поддержки backend-сервисов в продакшене под нагрузкой
• уверенный SQL и опыт работы с PostgreSQL
• опыт построения REST API и работы с брокерами сообщений (Kafka и т. п.)
• понимание принципов функционального программирования (immutability, higher-order functions, работа с эффектами, тайп-классы) и желание глубоко в это погружаться
• ориентация в области RAG и LLM: понимание embeddings, векторного поиска, чанкинга, реранкинга, prompt engineering; опыт хотя бы pet-проектов с LangChain или аналогами
• понимание различий между векторным, графовым и гибридным retrieval
• готовность интенсивно учиться: за ~2 месяца выйти на уровень самостоятельной разработки на Scala
• аналитический склад ума, умение работать с исследовательскими задачами и неопределённостью.
• Будет плюсом: любой опыт со Scala (pet-проекты, курсы, чтение Odersky / "Scala with Cats" / "Functional Programming in Scala"); знакомство с экосистемой ZIO, Cats Effect, Spark; практический опыт построения RAG-систем, в том числе графовых (Neo4j, GraphRAG) или гибридных; опыт работы с pgvector, Elasticsearch, ClickHouse; опыт интеграции с LLM (GigaChat, Qwen, OpenAI, локальные модели); понимание метрик качества RAG (faithfulness, relevance, recall @k и др.) и подходов к их измерению; знание Docker, Kubernetes, CI/CD; навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом; опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов; инструментальное владение AI для анализа, генерации и автоматизации

• комфортный современный офис в Москве
• график работы – офис
• ежегодный пересмотр зарплаты, квартальная и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте (для Junior позиций)
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.