Scala-разработчик (Middle++) в команду RAG / Базы знаний

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.