Des articles pour ceux qui
livrent le stack
Textes sur React, Node.js, TypeScript et AI. Un corps traduit est affiché quand il existe. Sinon vous voyez le texte anglais et une note qui le dit.
Tag : qdrant
Notes pratiques : Quelqu’un a lu mon article sur le ROE et a développé un moteur GraphRAG à partir de celui-ci
Guide pratique pas à pas : Quelqu’un a lu mon article sur le ROE et a développé un moteur GraphRAG ; présentation des contrats, vérifications ainsi que des emplacements de code prêts à l’emploi pour les équipes utilisant ce modèle.
7 min de lectureConception d’une recherche sémantique multi-utilisateurs portable sur Kubernetes et Qdrant
Comment une plateforme de recherche sémantique utilise Kubernetes pour assurer la portabilité et un routage adapté aux différents utilisateurs, afin que sa base de données vectorielle puisse être remplacée et que ses charges de travail restent isolées.
6 min de lectureUn pipeline RAG local utilisant Qdrant, fastembed et Gemini en Python
Un petit pipeline RAG en Python : diviser les documents locaux en blocs, les intégrer hors ligne avec fastembed, conserver les vecteurs dans Qdrant, et répondre aux questions avec Gemini depuis la ligne de commande.
6 min de lectureMémoire d’agent sémantique dans LangGraph avec Qdrant et récupération entre threads
Donnez à un agent LangGraph une mémoire à long terme avec Qdrant : incorporez les données des utilisateurs, rappelez-les à travers les identifiants de thread, et ajoutez des filtres de charge utile pour l’isolation multi-locataire.
10 min de lectureRAG agentiel avec Agno Teams : réécriture des requêtes, boucle de critique et Qdrant
RAG agentiel avec une équipe Agno : un coordinateur réécrit les requêtes, un critique itère la récupération des données, et les réponses proviennent uniquement du contexte approuvé dans la recherche hybride Qdrant.
22 min de lectureUn pipeline GraphRAG entièrement local utilisant LangExtract, Neo4j, Qdrant et Ollama
Construisez GraphRAG à partir de modèles locaux : extrayez les entités avec LangExtract, stockez-les dans Neo4j, indexez-les dans Qdrant, puis développez des sous-graphes pour obtenir des réponses basées sur le graphe.
39 min de lectureRéduire de 67 % la consommation de tokens RAG grâce aux multivecteurs de Qdrant et à l’isolation des phrases.
Un pipeline RAG pour la découverte juridique qui réordonne les résultats à l’aide de ColBERT au sein de Qdrant, isole la phrase correspondante, et sacrifie une partie de la latence pour une réduction vérifiée de 67,1 % des tokens.
8 min de lectureCréation d’un système de questions-réponses citées à partir de PDFs de banques centrales grâce à RAG
Une mise en œuvre pratique de RAG à partir de rapports trimestriels des banques centrales : ingestion des données, récupération en tenant compte de la date de publication, réponses citées, ainsi que les bugs rencontrés au cours du processus.
8 min de lectureSuivi d’un agent RAG vocal avec LiveKit, Qdrant et MLflow
Créez un assistant hypothécaire de parole à parole en utilisant LiveKit, LlamaIndex et Qdrant, avec des traces OpenTelemetry dans MLflow qui illustrent chaque étape de récupération et de traitement par le modèle de langage.
46 min de lecture
À propos de ces articles
Devis en 24 h
Besoin du même stack en couche opérateur ? Envoyez le brief — devis sous 24 h.