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.
