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: chroma
Створення асистента для документації API за технологією RAG з використанням LlamaIndex
Створіть асистента для документації API за допомогою LlamaIndex: завантажуйте Markdown-документи, розділяйте їх на частини за допомогою SentenceSplitter, вбудовуйте інформацію, зберігайте у Chroma та виконуйте запити за допомогою RAG QueryEngine.
6 хв читанняChroma Context-1: 20B-потужний підагент для пошуку з метою отримання дешевших та точніших результатів у рамках агентських систем RAG
Chroma Context-1 — це 20-мільярдний пошуковий підагент для агентного RAG, який видаляє власний контекст. Як його навчали, що йому потрібно від інфраструктури та його обмеження.
10 хв читанняПорівняльний аналіз п’яти вбудованих сховищ векторів: FAISS, Chroma, LanceDB, VectLite
П’ять вбудованих векторних баз даних, протестованих для локального RAG: FAISS, Chroma, LanceDB, VectLite та NumPy — порівняння за точністю, затримкою, фільтрами та проблемою «холодного старту».
8 хв читанняОдин Retriever, три бекенди: міграція пошуку NumPy до Chroma, FAISS, Pinecone
Перенесіть власний інструмент пошуку за допомогою косинуса з NumPy до Chroma, FAISS та Pinecone, та дізнайтеся, що додають індекси, фільтри метаданих та можливості зберігання, а також які помилки псують релевантність результатів.
11 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 читання
Про ці статті
Оцінка за 24 години
Потрібен такий стек в операторському шарі? Надішліть бриф — оцінка за 24 години.