О проекте
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.
Обязанности
•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
Требования
•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
•инструментальное владение AI для анализа, генерации и автоматизации
Условия
•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
•бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
•вознаграждение за рекомендацию друзей в команду Сбера
