Artikel für Leute, die
den Stack ausliefern
Beiträge zu React, Node.js, TypeScript und AI. Ein übersetzter Text wird gezeigt, wenn er existiert. Sonst sehen Sie den englischen Text und einen Hinweis.
Tag: semantic-search
Semantischer Suchdienst mit einer Pinecone-Vektordatenbank hinter einem MCP-Server
Ein wiederverwendbarer semantischer Suchdienst: PDFs in Abschnitte aufteilen, Embeddings in einer Pinecone-Vektordatenbank speichern und es jedem Agenten ermöglichen, über einen FastMCP-Server darauf zuzugreifen.
7 Min. LesezeitEin Feldverzeichnis von RAG: Von den Grundprinzipien bis zu Produktionsfehlern
Zwei Pipelines, drei Schritte und eine Liste der benannten Fehler: Wie Retrieval-augmented Generation funktioniert, wo sie versagt, und welche Lösungen jedes Problem beheben.
7 Min. LesezeitEntwurf einer portablen, multi-tenant-fähigen semantischen Suche auf Kubernetes und Qdrant
Wie eine semantische Suchplattform Kubernetes zur Portabilität und tenant-sensitiven Routierung nutzt, um ihre Vektordatenbank austauschbar und ihre Arbeitslasten isoliert zu halten.
6 Min. LesezeitBedeutung als Koordinaten: Von Embeddings zu Vektordatenbanken und RAG
Embeddings, kosinusähnlichkeit, Vektordatenbanken und der RAG-Loop werden anhand von vier kurzen Sätzen über Hunde, Katzen und Paris erklärt, um Klicks bei semantischer Suche zu erzielen.
11 Min. LesezeitSemantische Suche in PostgreSQL mit pgvector und Node.js – kein LLM erforderlich
Semantische Suche in PostgreSQL mit pgvector und Node.js – ohne LLM: MiniLM-Embeddings, Chunks, ein IVFFlat-Index, Abstandsberechnungsfunktionen und wie man die Scores liest.
8 Min. LesezeitJenseits der Kosinus-Ähnlichkeit: Vergleich von fünf RAG-Suchtechniken
Kosinus, BM25, hybrider RRF, Cross-Encoder-Reranking und MMR – erläutert mit Code, Abwägungen sowie einem auf die Anfrage ausgerichteten Ansatz zur Entscheidung, welche Suchtechnik Ihr RAG benötigt.
10 Min. LesezeitWie man leere Ergebnisse bei einem RAG-System behebt, das nichts zurückgibt.
Ein RAG-System, das nichts zurückgibt, Schritt für Schritt debuggt: Eingabe, Schwellenwerte für die Bewertung, Filter, Umformulierung von Abfragen, hybrider Suchvorgang, Neubewertung und Fallback-Möglichkeiten.
9 Min. LesezeitSemantische Suche in PostgreSQL mit pgvector und .NET: Eine praktische Einrichtung
Speichern Sie Embeddings neben den relationalen Daten, erstellen Sie HNSW- oder IVFFlat-Indizes, filtern und mischen Sie hybride Ranglisten sowie beurteilen Sie, ob pgvector für Ihre Anwendung ausreicht.
9 Min. LesezeitPraktische Hinweise: Vektorabfrage, semantische Suche und RAG: Wie KI Informationen findet
Schritt-für-Schritt-Anleitung zu den Praktischen Hinweisen: Vektorabfrage, semantische Abfrage und RAG – wie KI Verträge, Überprüfungen sowie Codeblöcke für Teams findet, die dieses Muster einsetzen.
9 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.