Статті для тих, хто
виводить стек у прод
Матеріали про React, Node.js, TypeScript і AI. Перекладений текст показується, якщо він є. Якщо ні — ви бачите англійський текст і примітку про це.
Тег: HNSW
П’ять способів індексування векторів для RAG, протестовано на мільйоні ембеддингів Вікіпедії
П’ять способів індексування векторів для RAG, протестованих на мільйоні ембеддингів Вікіпедії: flat, IVFFlat, HNSW, гібрид BM25 та DiskANN, із показниками затримки та точності.
9 хв читанняПошук векторів у Azure AI Search: HNSW, профілі та Python RAG Retriever
Створення векторного індексу в Azure AI Search за допомогою Python: HNSW проти повного KNN, профілі, ембеддинги, векторні запити та RAG-запити, а також поради щодо гібридних пошукових систем.
9 хв читанняВсередині векторних баз даних: IVF, дерева, HNSW та квантування даних.
Усередині векторних баз даних: точний та наближений пошук, кластери IVF, ліси дерев, шари HNSW та їхні параметри, а також що коштує квантування продукту.
7 хв читанняЧому запит у Weaviate гальмує: профілювання за етапами
Профілювання запитів у Weaviate повертає разом із відповіддю розбивку часу за етапами, тож повільні фільтри, читання з диска, пошук за графом чи переоцінювання швидко відрізняються одне від одного.
5 хв читанняМи відмовилися від векторної бази: pgvector спокійно обслуговує 40 млн ембедингів
Історія міграції: заміна платного векторного сховища на pgvector на 40 мільйонах рядків — як ми робили бекфіл, яка помилка з повнотою ховалася за дашбордами і коли переходити не варто.
5 хв читанняПоза межами наївного RAG: пам'ять HNSW, гібридний пошук і довгий контекст
Чому векторні індекси в пам'яті впираються в стіну на великих обсягах, де ламається пошук за точним збігом і як BM25-гібриди, RRF та PostgreSQL вписуються у світ довгого контексту.
5 хв читанняЯк працює база даних векторів: ембеддинги, пошук векторів та людська пам’ять
Модель мислення, заснована на пам’яті, для пошуку векторів: як працюють ембеддинги, подібність, індекси найближчих сусідів та фільтри метаданих у базі даних векторів для RAG.
9 хв читанняНалаштування індексів HNSW та масштабування пошуку векторів для продакшн-систем RAG
Дізнайтеся, як параметри M та ef у алгоритмі HNSW впливають на рівень відтворення даних, затримку та обсяг пам’яті, як налаштувати їх у Chroma, а також коли слід масштабувати векторну базу даних вертикально чи шляхом шардування.
4 хв читанняЯк насправді працюють бази даних векторів: від ембеддингів до гібридного пошуку
Пояснює, як ембеддинги кодують значення, як масштабуються пошук схожостей та індексування, а також коли гібридний пошук та векторні бази даних справді підходять для корпоративних систем штучного інтелекту.
8 хв читання
Про ці статті
Оцінка за 24 години
Потрібен такий стек в операторському шарі? Надішліть бриф — оцінка за 24 години.