Java-разработчик (AI / GenAI)

Middle Java-разработчик для SberSpasibo, офис в Москве. Разработка микросервисов на Java 17+, создание RAG-пайплайнов и мультиагентных систем с использованием LangChain/LangGraph.

Чем вы будете заниматься: - Проектирование и разработка микросервисной архитектуры на Java 17+ с использованием Spring Boot (MVC, Data JPA, Security) - Создание конвейеров генерации с дополнением (RAG): от разбора необработанных данных до индексации эмбеддингов - Разработка и поддержка векторных баз данных Qdrant: проектирование схем шардирования, настройка гибридного поиска (BM25 + Dense Vectors), оптимизация векторных запросов - Создание мультиагентных систем на основе LangChain/LangGraph для автоматизации бизнес-процессов (классификация, извлечение сущностей, принятие решений) - Глубокий промпт-инжиниринг: написание промптов с нуля для различных сценариев использования, реализация Few-shot, Chain-of-Thought (CoT), структурированного вывода (JSON mode) - Отладка семантики моделей: снижение энтропии ответов, управление вариативностью с помощью параметров вывода (temperature, top_p, penalties), реализация механизмов самовосстановления при деградации внешних LLM-провайдеров - Оптимизация производительности PostgreSQL: настройка сложных SQL-запросов, работа с индексами (B-tree, GIN/GIST, триграммы), проектирование уровней изоляции транзакций - Перенос вычислений в контейнерную среду: Docker, Kubernetes (Helm), построение отказоустойчивых CI/CD-пайплайнов в GitLab CI/Jenkins

Что мы ожидаем: - Уверенное владение Java 17+, понимание многопоточности (CompletableFuture, виртуальные потоки Project Loom — плюс) - Экспертный уровень в стеке Spring: глубокое понимание жизненного цикла бинов, AOP, тонкая настройка пулов соединений с БД и параметров безопасности - Опыт проектирования реляционных моделей в PostgreSQL, умение читать EXPLAIN ANALYZE, разбираться с блокировками, писать эффективные миграции (Liquibase/Flyway) - Практический опыт с векторными СУБД (Qdrant) или Weaviate/Pinecone/Milvus. Понимание метрик расстояния (косинусное сходство, скалярное произведение, евклидово расстояние) - Опыт работы с библиотеками LangChain и/или LangGraph. Умение строить графы состояний и интегрировать внешние инструменты (tool calling) - Навыки Prompt Engineering и управления поведением LLM без изменения весов модели - Опыт работы с Docker и Kubernetes (манифесты, Helm-чарты). Уверенное владение командной строкой Linux - CI/CD-процессы (GitLab CI или Jenkins): сборка с Maven/Gradle, покрытие тестами (JUnit 5, Testcontainers), статический анализ кода

Полная занятость, офисный формат в Москве.