Data/AI Engineer

Отвечает за:

• ETL из СУБД, построение DWH со SCD2-историей
• RAG-слой на pgvector (семантический поиск по шаблонам запросов и описаниям таблиц)
• Интеграцию с локальной LLM через Spring AI
• Безопасную валидацию и исполнение сгенерированного SQL
• API-слой между дашбордом/чатом и данными

Нужно уметь:

Ядро — Java/Spring:

• Java/Kotlin + Spring Boot — уверенный уровень, это основа всего стека
• Spring Boot REST API — разработка backend-слоя для чат-интерфейса дашборда

Данные и ETL:

• Spring Batch — джобы инкрементальной загрузки, идемпотентность (повторный запуск без дублей), обработка частичных сбоев
• PostgreSQL + pgvector — установка расширения, проектирование логических схем (dwh и semantic_search в одной БД), права доступа, партиционирование по времени
• SQL продвинутого уровня — оконные функции, CTE, оптимизация запросов
• SCD Type 2 на практике (valid_from/valid_to/is_current)
• Flyway (или аналог) — версионирование миграций схемы

AI-слой:

• Spring AI:
  • ETL Pipeline (DocumentReader → Transformer → Writer) — кастомные ридеры под ЕПВО, обогащение метаданными
  • PgVectorStore — настройка размерности вектора, выбор индекса (HNSW)
  • ChatClient + Advisors — сборка RAG-контекста, chat memory
  • Tool/Function calling — логика "шаблон → фолбэк на генерацию SQL"
  • OllamaChatModel / OllamaEmbeddingModel — интеграция с локальной моделью

Безопасность запросов:

• JSqlParser (или аналог) — валидация сгенерированного SQL: только SELECT, whitelist схем/таблиц, лимиты строк и времени
• Настройка read-only доступа на уровне JDBC-соединения
• Логирование пайплайна "вопрос → шаблон/SQL → результат" для аудита

Желательно, но не критично на старте:

• Опыт администрирования GPU-инфраструктуры (Ollama, CUDA)