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](https://www.rabota.ru/vacancy/54288154/#/) 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

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

* подписка Прайм с возможностью совместного использования на трёх близких

* вознаграждение за рекомендацию друзей в команду Сбера.