Scala-разработчик для RAG

Продукт использует векторные, графовые и гибридные подходы к построению RAG, а также разные стратегии чанкинга и реранкинга. MVP сервиса уже работает в продакшене; команда развивает, экспериментирует и масштабирует сервис по созданию баз знаний на основе RAG.

• Разрабатывать и развивать бэкенд сервиса баз знаний на Scala с использованием ZIO, Cats Effect и Spark;
• Проектировать и реализовывать различные типы RAG-пайплайнов: векторный поиск, графовый retrieval и гибридные схемы;
• Экспериментировать с методами чанкинга и реранкинга;
• Интегрироваться с LLM через LangChain;
• Работать с pgvector, Elasticsearch, ClickHouse и Qdrant;
• Совместно с ML-инженерами проверять гипотезы, выводить их в продакшен и измерять качество;
• Участвовать в архитектурных решениях и развитии инженерной культуры команды из 4 Scala-разработчиков;
• Пройти внутреннее обучение Scala и постепенно погрузиться в боевые задачи.

• Коммерческий опыт разработки на Java от 3 лет;
• Уверенное знание JVM и многопоточности;
• Понимание особенностей сборщика мусора и работы с памятью;
• Опыт проектирования и поддержки бэкенд-сервисов в продакшене под нагрузкой;
• Уверенный SQL и опыт работы с PostgreSQL;
• Опыт построения REST API и работы с брокерами сообщений, включая Kafka;
• Понимание принципов функционального программирования: неизменяемость, функции высшего порядка, эффекты и тайп-классы;
• Ориентация в области RAG и LLM: embeddings, векторный поиск, чанкинг, реранкинг и prompt engineering;
• Опыт хотя бы учебных проектов с LangChain или аналогами;
• Понимание различий между векторным, графовым и гибридным retrieval;
• Готовность интенсивно учиться и примерно за 2 месяца выйти на уровень самостоятельной разработки на Scala;
• Аналитический склад ума и умение работать с исследовательскими задачами и неопределённостью;
• Будет плюсом опыт со Scala, знакомство с ZIO, Cats Effect и Spark, опыт построения RAG-систем, опыт работы с pgvector, Elasticsearch и ClickHouse, опыт интеграции с LLM, понимание метрик качества RAG, знание Docker, Kubernetes и CI/CD, навыки работы с генеративными AI-моделями, опыт создания AI-агентов, использование GigaChat, Kandinsky и аналогов в продуктах, инструментальное владение AI для анализа, генерации и автоматизации.

• Комфортный современный офис в Москве;
• 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.