- Страна
- США
Откликайтесь
на вакансии с ИИ

Senior / Staff Software Engineer (Agentic Search)
Редкое сочетание драйва топового стартапа (Tavily) и ресурсов мощного технологического гиганта (Nebius). Предложение включает релокацию в мировые тех-хабы, работу с передовым стеком и ликвидные акции компании.
Сложность вакансии
Позиция требует исключительного технического бэкграунда (5+ лет опыта) в области высоконагруженных систем, поисковых движков или инфраструктуры данных. Ожидается уровень Senior/Staff и владение системными языками программирования на высоком уровне.
Анализ зарплаты
Работодатель заявляет компенсацию на уровне BigTech компаний (Google, Meta) плюс эквити Nebius. Для позиций Senior/Staff в Амстердаме или Лондоне это означает очень конкурентоспособный пакет, значительно превышающий средние рыночные показатели для обычных продуктовых компаний.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в tavily уже сейчас
Присоединяйтесь к команде Tavily внутри Nebius, чтобы строить будущее агентского поиска на мировом уровне!
Описание вакансии
tl;dr: senior/staff SWE, agentic search; relocation to Amsterdam/London/NY or remote
Хотите быстро делать крутые фронтирные штуки в стартапе, но немного скучаете по ДМС, сыркам на кофепойнте и ликвидным стокам? Принесли вам лучшее из двух миров: стартап внутри Nebius*🧪*
Стартап — это Tavily. В те далёкие времена, когда чатгпт ещё не умел ходить в интернет (то есть где-то в 2023), он появился как едва ли не первая опенсорсная реализация дипресёрча. А потом вырос в полноценный слой доступа к информации в интернете для агентов — со своим веб-индексом и ранжированием, заточенным не под людей, а под AI. За два года Tavily успел собрать миллионы пользователей, стать практически дефолтным поисковиком в LangChain, поднять $25M, и недавно — влиться в Nebius *❤️*
Про Небиус вы и так знаете. Амстердамский AI cloud, который предоставляет компаниям GPU-инфраструктуру. Инженерное наследие Яндекса, $2B инвестиций от NVIDIA, а среди клиентов — Meta, Microsoft и Cursor.
Теперь, чтобы стать топ-1 агентским поиском, у них есть почти всё. Нужны только ещё несколько офигенных senior / staff инженеров:
*⚙️* те, кто делает рантайм-часть — принимает запрос, достаёт, ранжирует и отдаёт документы под жёсткими требованиями к latency и throughput;
*📁* те, кто отвечает за индексинг — строит сам индекс, считает фичи для ранжирования, занимается форматами хранения;
*📍* те, кто знает, как обойти весь интернет, и обрабатывает данные в реалтайме.
Поэтому, если вы строили:
*⭕*очень высоконагруженные, low-latency системы (например, DBMS, query-движки, storage, HFT-инфру);
*⭕*или рекомендательные системы и рекламными движки;
*⭕*или веб-кроулеры;
*⭕*или большие оффлайн дата-пайплайны (поисковики, соцсети, маркетплейсы; Spark, MapReduce и вот это всё);
*⭕*или датасеты для претрейна LLM, или онлайн-датапайплайны (Apache Beam, Kafka, Flink);
*⭕*или делали что-то ещё, что вам кажется релевантным —
напишите нам! Если сомневаетесь, напишите тоже, и мы разберёмся вместе.
На все роли нужны минимум 5 лет опыта (лучше больше) и готовность много делать руками. Стек — C++/Rust/Golang.
Суровые энтерпрайз-правила не дают нам назвать вилки — но они уж точно не ниже, чем в бигтехе, плюс эквити — Небиуса, конечно *📈*
Можно переехать в Амстердам, Лондон, NY или Тель-Авив; если вы очень хороши и находитесь в другой части Европы или США — можно иногда обсудить и удалёнку.
Пишите Даше Откликнуться *😏*
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- C++
- Rust
- Go
- Search Engines
- High Load
- Distributed Systems
- Apache Kafka
- Apache Flink
- Apache Beam
- Spark
- MapReduce
- Low Latency
Возможные вопросы на собеседовании
Вакансия предполагает работу над поисковым движком с жесткими требованиями к задержкам.
Расскажите о самом сложном случае оптимизации latency в вашей практике: какие инструменты профилирования использовали и каких результатов достигли?
Для задач индексации и рантайма важно понимание внутреннего устройства систем хранения.
Как бы вы спроектировали структуру индекса для поиска в реальном времени, учитывая необходимость обновления данных и высокую скорость чтения?
Работа с веб-масштабом требует навыков построения распределенных систем.
С какими проблемами консистентности данных вы сталкивались при работе с Apache Kafka или Flink в высоконагруженных пайплайнах?
Tavily работает с данными для AI-агентов.
В чем, по вашему мнению, ключевое различие в ранжировании документов для LLM-агентов по сравнению с традиционным поиском для людей?
Роль Staff-инженера подразумевает ответственность за архитектурные решения.
Опишите ситуацию, когда вам пришлось принимать непопулярное архитектурное решение. Как вы аргументировали свой выбор перед командой?
Похожие вакансии
Senior Computer Vision Engineer
Архитектор мультиагентных систем на базе LLM
Старший менеджер локализации (ИИ и автоматизация)
Senior ML Engineer (LLM, RAG, Agents)
LLM/SRE-инженер
AI engineer (ML/DS)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!