Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как обновлять данные Milvus через insert и upsert без дублей
Разница insert и upsert в Milvus, стабильные primary keys, повторяемый импорт, проверка mutation result и чтение обновлённой записи.
Как переключить коллекцию Milvus через alias без изменения приложения
Blue-green миграция Milvus: create_alias, alter_alias, shadow queries, сверка count/Recall и контролируемый rollback на старую collection.
Как обезличить данные перед отправкой в нейросеть: практический чек-лист
Какие данные убрать из запроса к ИИ, как заменить чувствительные поля и почему «внутренний документ» не равно безопасный файл.
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 подключиться к Milvus через MilvusClient и проверить соединение
Подключение pymilvus к Milvus Lite, Standalone, Distributed или Zilliz Cloud: URI, token, проверка сервера и безопасная диагностика.
Как импортировать большой датасет в Milvus через Bulk Import
Подготовка файлов для Milvus Bulk Import, object storage, import job, статусы, schema mapping, manifest и проверка количества данных.
Как фильтровать векторный поиск Milvus по tenant и metadata
Filtered Search в Milvus: выражение filter до ANN, tenant_id, year, visibility, output_fields и отрицательный тест межклиентской изоляции.
Как настроить Hybrid Search Milvus: RRF или WeightedRanker
Несколько AnnSearchRequest в Milvus, объединение dense и sparse результатов, RRFRanker, WeightedRanker, gold-набор и сравнение сценариев.
Как настроить векторный поиск Milvus и измерить Recall@k
Milvus search: anns_field, COSINE, limit, output_fields, параметры поиска, gold-набор и калибровка качества до подключения RAG.
Как создать коллекцию Milvus со схемой и векторным индексом
Явная схема Milvus: INT64 primary key, VARCHAR, FLOAT_VECTOR с dimension, AUTOINDEX, COSINE и проверка конфигурации коллекции.
Как включить BM25 Full Text Search в Milvus
Нативный полнотекстовый поиск Milvus 2.5+: analyzer, VARCHAR, SPARSE_FLOAT_VECTOR, FunctionType.BM25, индекс и проверка русских терминов.
Как загрузить points в Qdrant через upsert и дождаться индексации
Идемпотентный upsert points в Qdrant: числовые и UUID ID, vector, payload, batch, wait=true, статусы acknowledged и completed, проверка retrieve.
Как загрузить записи в Pinecone через upsert и проверить обновление ID
Пакетный upsert в namespace, уникальные record ID, metadata, замена существующей записи, eventual consistency и сверка через fetch и search.
Как безопасно хранить API token Replicate и заменить его после утечки
Защита Replicate API token: переменные окружения, отдельные ключи для dev/stage/prod, ротация, отключение и проверка утечки без простоя.
Как подготовить данные с персональными данными для ИИ: минимизация и тестовый набор
Практический процесс подготовки данных для ИИ без лишних персональных сведений: цель, минимизация, замена и контроль.
Как провести red teaming ИИ-чатбота: сценарии атак и безопасная проверка
Как безопасно проверить ИИ-чатбота на обход инструкций, утечки данных и опасные действия: сценарии, журнал и критерии.
Как фильтровать поиск Weaviate по properties без утечки данных
Filters.by_property в Weaviate: equal, greater_or_equal, логические AND/OR, типы properties, tenant/ACL и отрицательные тесты доступа.
Как сменить embedding-модель в Qdrant без простоя
Blue-green миграция embedding-модели Qdrant: новая коллекция, dual write, scroll, повторное кодирование, alias cutover и вариант named vectors для 1.18+.
Как восстановить индекс Pinecone из backup и проверить данные
Serverless backup как некверируемая копия, create_index_from_backup, новое имя, сохранение dimension/metric/embed config, readiness и контрольный поиск.
Как загрузить данные в Weaviate пакетами и проверить failed objects
Batch import в Weaviate Python Client: dynamic batching, deterministic UUID, failed_objects, векторизация, rate limits и сверка количества объектов.