ستتولى مسؤولية الأنظمة المتصلة التي تنقل تغييرات الكتالوج إلى نتائج مصنفة أمام المتسوق: البحث، والاسترجاع، وخدمة التوصيات، والبيانات المتدفقة التي تبقيها محدثة، والتجارب التي تطرحها.
سلة هي منصة التجارة الإلكترونية الرائدة في منطقة الشرق الأوسط وشمال أفريقيا، وتخدم أكثر من 68,000 تاجر. يقوم فريق الذكاء الاصطناعي لدينا ببناء مجموعة اكتشاف مملوكة ذاتيًا عبر سوقنا ومتاجر التجار: بحث هجين (لفظي ومتجهي)، فهم استعلام يركز على اللغة العربية، وترتيب متعلم مشترك بين البحث والتوصيات. يتولى علماء البيانات مسؤولية نماذج الصلة والترتيب، بينما تتولى أنت المنصة التي تجعلها سريعة، ومحدثة، وموثوقة، وقابلة للنشر.
ينقسم العمل تقريبًا إلى نصف خدمة متصلة، وثلث بيانات متدفقة، والباقي تكامل في واجهات المنتج. ستعمل ضمن فريق منصة تعلم الآلة، مقسمًا وقتك بين البحث والخدمة لأنظمة التوصية الخاصة بنا، وستعمل يوميًا مع علماء بيانات البحث وقائد الترتيب.
ما ستفعله
الخدمة المتصلة
- بناء وتشغيل خدمة الاستعلام والتوصيات: الاسترجاع، دمج النتائج، التصفية، والتخزين المؤقت.
- الالتزام بميزانيات زمن استجابة صارمة، بما في ذلك تحقيق زمن استجابة p95 في نطاق أجزاء من الثانية المكونة من رقمين للبحث أثناء الكتابة.
- تصميم آليات تدهور الخدمة اللطيفة، لضمان استمرار الخدمة عند تباطؤ أو تعطل نموذج أو مسار متجهي.
- بناء أدوات التجارب: حركة المرور المظللة، تعيين اختبارات A/B، مقاييس الحماية، والتراجع.
البيانات المتدفقة
- بناء نظام التقاط بيانات التغيير (CDC) من الأنظمة المصدر إلى فهارس البحث ومخازن الميزات، مع قياس مستوى التحديث.
- الحفاظ على تحديث التضمينات (Embeddings) للعناصر الجديدة والمحدثة.
- تشغيل إعادة فهرسة المجموعات التي تحتوي على ملايين المستندات دون وقت تعطل.
- بناء نظام تسجيل الميزات الذي يحول حركة المرور الإنتاجية إلى بيانات تدريب لنماذج الترتيب.
التكامل
- طرح التغييرات في واجهات الأنظمة الخلفية والعملاء لفرق المنتج: نقاط نهاية جديدة، عمليات الانتقال، وأعلام التجارب.
- العمل مع فرق هندسة المنتج في المراجعات، ونوافذ الإصدار، وملكية الإنتاج.
التشغيل، في جميع الجوانب
- المراقبة، والتنبيهات، وكتيبات التشغيل، ومشاركة نصيبك في الاستجابة للحوادث (On-call) لما تقوم بطرحه.
ملف المرشح المطلوب
- 5+ سنوات من بناء أنظمة الخلفية أو المنصات في بيئة إنتاجية.
- 2+ سنوات من تشغيل محرك بحث إنتاجي (Elasticsearch, OpenSearch, Solr, Typesense, Vespa أو ما شابه): دورة حياة الفهرس، المحللات، إعادة الفهرسة على نطاق واسع، وتصحيح مشكلات الصلة مع علماء البيانات.
- خدمات ذات زمن استجابة منخفض تحت حركة مرور حقيقية، والقدرة على شرح أسباب استهلاك زمن استجابة p95.
- استيعاب البيانات المتدفقة: Kafka، Debezium أو ما شابه في التقاط بيانات التغيير، بالإضافة إلى عمليات إعادة التعبئة المتكررة (Idempotent backfills).
- إتقان قوي للغة Python. القدرة على العمل والنشر باستخدام TypeScript.
- طرح تغييرات من خلال اختبارات A/B والإصدارات التدريجية.
- الاستخدام اليومي لأدوات البرمجة الوكيلة مثل Claude Code. نتوقع من مهندس واحد بالإضافة إلى الوكلاء تغطية ما كان يتطلب فريقًا كاملًا للقيام به.
You'll own the online systems that take a catalogue change to a ranked result in front of a shopper: search, retrieval and recommendation serving, the streaming data that keeps them fresh, and the experiments that ship them.
Salla is the leading e-commerce platform in MENA, serving about 68,000+ merchants. Our AI team is building a self-owned discovery stack across our marketplace and merchant stores: hybrid lexical and vector search, Arabic-first query understanding, and learned ranking shared between search and recommendations. Data scientists own the relevance and ranking models. You own the platform that makes them fast, fresh, reliable and shippable.
The work is roughly half online serving, a third streaming data, and the rest integration into product surfaces. You sit on the ML Platform team spending time between search and serving for our recommendation systems and work day to day with search data scientists and the ranking lead
What you'll do
Online serving
- Build and run query and recommendation serving: retrieval, score fusion, filtering, caching.
- Hold tight latency budgets, including double-digit-millisecond p95 for search-as-you-type.
- Design graceful degradation, so serving holds up when a model or vector path is slow or down.
- Build experiment plumbing: shadow traffic, A/B assignment, guardrail metrics, rollback.
Streaming data
- Build change-data-capture from source systems into search indexes and feature stores, with measured freshness.
- Keep embeddings fresh for new and updated items.
- Run zero-downtime reindexing of multi-million-document collections.
- Build feature logging that turns production traffic into training data for ranking models.
Integration
- Ship changes into product teams' backends and clients: new endpoints, cutovers, experiment flags.
- Work with product engineering teams on reviews, release windows and production ownership.
Operability, throughout
- Monitoring, alerting, runbooks, and your share of on-call for what you ship.
Desired Candidate Profile
- 5+ years building backend or platform systems in production.
- 2+ years operating a production search engine (Elasticsearch, OpenSearch, Solr, Typesense, Vespa or similar): index lifecycle, analyzers, reindexing at scale, debugging relevance issues with data scientists.
- Low-latency services under real traffic, and the ability to explain where the p95 goes.
- Streaming ingestion: Kafka, Debezium or similar change-data-capture, plus idempotent backfills.
- Strong Python. Comfortable shipping in TypeScript.
- Shipped changes through A/B tests and staged rollouts.
- Daily use of agentic coding tools such as Claude Code. We expect one engineer plus agents to cover what used to take a team.