Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как поставить отправку сообщения LangChain-агента на одобрение человека
Пауза перед side-effect tool, checkpointer, thread_id и Command(resume) без автоматического одобрения отправки.
Как настроить гибридный поиск Typesense: текст, embeddings и alpha
Как Typesense 30.2 объединяет keyword и semantic поиск: query_by, alpha, rerank_hybrid_matches и проверка кодовых запросов.
Как создать первого AI-агента LangChain на Python и проверить ответ
Минимальный create_agent в LangChain 1.x: provider:model, системная инструкция, сообщения и тест ответа без фиктивных инструментов.
Как настроить multitenancy Milvus через partition key
Tenant field как partition key в Milvus, routing через фильтр, контроль числа partition, negative tests и границы изоляции пользователей.
Как настроить fallback между моделями в OpenRouter API
Готовая схема models в порядке приоритета: какие ошибки запускают переключение, как узнать итоговую модель и проверить качество резервного ответа.
Как настроить sticky approval через always_approve в OpenAI Agents SDK
Одобряем tool identity на остаток текущего run, проверяем повторные вызовы без новой паузы и границы решения для Hosted MCP.
Как добавить безопасный tool в LangChain-агента для проверки статуса заказа
Декоратор @tool, схема аргументов, серверная проверка заказа и отрицательные тесты на чужой ID.
Как настроить смысловой поиск в Haystack InMemoryEmbeddingRetriever
Индексируем документы и запрос одной embedding-моделью, проверяем размерность, top_k и качество на перефразировках.
Как настроить composite embedders Meilisearch для индексации и поиска
Экспериментальный compositeEmbedders: разные среды одной модели, равная размерность, совместимость vectors и план отката.
Как настроить distribution в Meilisearch для слишком высоких semantic scores
Проверка showRankingScore, подбор mean/sigma и контроль порога релевантности без переиндексации vectors.
Как настроить HNSW в Typesense: M, ef_construction и ef
Официальные параметры HNSW Typesense 30.2: defaults, индексирование, ef на запросе и проверка Recall@10, памяти и p95.
Как настроить HNSW Vespa: links, insert и exploreAdditionalHits
Индексные и запросные параметры HNSW в Vespa с измерением Recall@10, памяти, скорости загрузки и p95.
Как настроить два embedders в Meilisearch для разных типов запросов
Раздельные named embedders для краткого названия и длинной спецификации, выбор hybrid.embedder и тест несовместимых vectors.
Как настроить semantic ranker Azure AI Search для RAG с k=50
Вторичное семантическое ранжирование, конфигурация текстовых полей, k=50 и проверка citations без генеративных обещаний.
Как настроить semanticRatio в Meilisearch для артикулов и смысловых запросов
Сравнение keyword, hybrid и semantic режимов на SKU и перефразированиях с точными JSON-параметрами и критериями качества.
Как обработать несколько независимых запросов через LangChain model.batch
Параллельная обработка независимых промптов, max_concurrency, порядок batch и отличие от batch API провайдера.
Как ограничить число вызовов модели в LangChain-агенте
ModelCallLimitMiddleware: run_limit, thread_limit, checkpointer и тест runaway-цикла без обещания фиксированных затрат.
Как отладить LangChain-агента через трассировку LangSmith
LANGSMITH_TRACING, проект и проверка trace модели и инструментов с защитой персональных данных.
Как показывать ход работы LangChain-агента через stream updates и messages
Различия stream_mode updates и messages, потоковая выдача токенов и контроль конца ответа без показа сырого tool JSON.
Как получить проверенный JSON от LangChain-агента через response_format
Схема Pydantic, structured_response и обработка некорректных данных при извлечении полей из русского текста.