Просмотр вакансии

Наша команда разрабатывает RAG-архитектуру для GigaChat (модель и сайт).

Основные задачи, которые выполняет сервис RAG (Retrieval Augmented Generation):

• поиск релевантной информации: RAG осуществляет эффективный поиск и извлечение данных из внешних баз знаний, документов или других источников, которые могут содержать ответ на запрос пользователя.
• дополнение контекста: найденные данные добавляются к запросу, который затем передается генеративной языковой модели (LLM), чтобы обогатить и уточнить ответ.
• генерация точного и обоснованного ответа: на основе как внутреннего знания модели, так и извлеченной релевантной информации RAG создает ответ, который более точен и менее подвержен ошибочным или вымышленным фактам (галлюцинациям).
• актуализация данных: позволяет получать ответы на основе свежих и обновляемых данных без необходимости переобучения самой языковой модели.
• поддержка факточекинга и ссылок на источники: RAG может предоставлять ссылки на исходные документы или данные, подтверждающие ответ.
• использование в специализированных задачах: решение вопросов в узкоспециализированных областях, таких как техническая поддержка, юридическая консультация, HR, клиентский сервис и интернет-магазины, где важна точность и своевременность информации.
• снижение рисков ошибок и галлюцинаций: минимизация случаев, когда модель выдает ложные или неточные сведения.

Обязанности

• проектировать архитектуру backend-сервисов и RAG-систем
• руководить разработкой ключевых компонентов на Python / FastAPI
• принимать технические решения по API, данным, очередям, интеграциям и RAG-пайплайнам
• оптимизировать производительность, надежность и стоимость backend- и LLM-компонентов
• развивать подходы к поиску: semantic search, hybrid search, reranking, metadata filtering
• обеспечивать качество кода, проводить code review и помогать junior/middle-разработчикам
• исследовать новые технологии в области LLM, RAG и backend-разработки.

Требования

• 5+ лет коммерческого опыта backend-разработки, преимущественно на Python.
• глубокое знание Python, FastAPI, асинхронного программирования и архитектуры backend-сервисов.
• сильный опыт работы с PostgreSQL, Redis, Docker / Docker Compose.
• опыт работы с Qdrant или другими vector databases в production.
• глубокое понимание RAG: ingestion, chunking, embeddings, retrieval, reranking, generation, evaluation.
• опыт интеграции LLM API и понимание их ограничений: latency, cost, rate limits, hallucinations.
• опыт работы с Kafka в production-сценариях.
• опыт проектирования микросервисной архитектуры.
• умение писать поддерживаемый, тестируемый и расширяемый код.
• опыт технического лидерства, декомпозиции задач и code review.
• английский язык на уровне чтения технической документации.

Условия

• возможность выбрать удобный формат работы: гибрид или офис
• комфортный современный офис рядом с м. Кутузовская
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• ипотека выгоднее до 7% для каждого сотрудника
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.