Artykuły dla tych, którzy
wdrażają stack
Materiały o React, Node.js, TypeScript i AI. Przetłumaczony tekst jest pokazany, gdy istnieje. Jeśli nie, widać tekst angielski i dopisek o tym.
Tag: vector-search
Wirtualny system plików oparty na MongoDB dla agentów głębokich LangChain
Wirtualny system plików oparty na MongoDB dla LangChain Deep Agents: bajty w przechowaniu obiektów, wyszukiwanie w Atlas z hybrydowym grepem, fuzją rankingów, dzieleniem na fragmenty oraz synchronizacją.
8 min czytaniaOd prototypu do RAG w produkcji: wyszukiwanie hybrydowe, agenci oraz ocena
Architektura referencyjna dla RAG w produkcji w .NET: dzielenie na fragmenty, wyszukiwanie hybrydowe i grafowe, ponowne sortowanie, planowanie zapytań, wyjścia typowane oraz ciągła ocena.
8 min czytaniaFiltrowanie metadanych w Databricks RAG przy użyciu funkcji ai_extract i ai_prep_search
Połącz funkcje ai_parse_document, ai_extract v2.1 oraz ai_prep_search tak, aby każdy fragment zawierał metadane w formie tekstowej, umożliwiając wyszukiwarce wektorowej filtrowanie przed sortowaniem według podobieństwa.
7 min czytaniaPraktyczna architektura RAG w Firebase i Vertex AI z wykorzystaniem Firestore Vectors
RAG w Firebase z embeddingami Vertex AI i wyszukiwaniem wektorowym Firestore: grupowanie zadań, filtry metadanych, izolacja użytkowników, ustrukturyzowane prompty, buforowanie i metryki.
10 min czytaniaDlaczego RAG nadal daje błędne odpowiedzi: hybrydowe wyszukiwanie, ponowne rankowanie i Recall@K
Czyste fragmenty tekstu nie gwarantują dobrych odpowiedzi. Zobacz, gdzie zawodzi wyszukiwanie wektorowe oraz w jaki sposób metody takie jak fuzja, ponowne rankowanie za pomocą cross-encodera, HyDE i miara Recall@K to naprawiają.
6 min czytaniaHybrydowe wyszukiwanie obrazów w skali przemysłowej: SigLIP, SPLADE, YOLOv8 i Gemini Captions
Projekt systemu wyszukiwania miliona obrazów, który łączy gęste i rzadkie embeddingi z wykrywaniem obiektów, rozpoznawaniem entytetów, bezpiecznym wyszukiwaniem oraz opisami napisanymi przez LLM.
6 min czytaniaJak RAG umożliwia modelowi LLM dostęp do twoich prywatnych danych: kawałki danych, wektory, prompty
Zrozum generowanie wzbogacone pobieraniem danych od etapu ich przyjmowania po wyszukiwanie, przy użyciu prostego przykładu w Node.js, trzech powszechnych sposobów awarii oraz tabeli porównującej RAG z dopasowywaniem modeli.
8 min czytaniaLokalny pipeline RAG z Qdrant, fastembed i Gemini w Pythonie
Mała pipeline RAG w Pythonie: dzieli lokalne dokumenty na fragmenty, wgra je offline za pomocą fastembed, przechowuje wektory w Qdrant i odpowiada na pytania za pomocą Gemini z interfejsu wiersza poleceń.
6 min czytaniaDziesięć problemów w wyszukiwaniu w systemach RAG w warunkach produkcyjnych i sposób naprawy każdego z nich.
Od wielkości fragmentów i nakładania się danych do wyszukiwania hybrydowego, RRF, ponownego rankowania, wyboru embeddingów oraz ocen CI: dziesięć błędów w wyszukiwaniu powodujących błędne odpowiedzi RAG i sposoby ich naprawy.
16 min czytania
O tych artykułach
Wycena w 24 h
Potrzebujesz tego stacka w warstwie operatorskiej? Wyślij brief — wycena w 24 h.