Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как подключиться к LanceDB из Python: локально, object storage или Enterprise
Выбор URI LanceDB для локального каталога, S3/GCS/Azure и Enterprise, безопасные credentials, список таблиц и проверка подключения.
Как фильтровать поиск LanceDB: prefilter или postfilter
SQL where в LanceDB, tenant и visibility, prefilter по умолчанию, postfilter, scalar index и отрицательный тест межклиентской выдачи.
Как настроить hybrid search LanceDB с RRFReranker
Объединение vector search и FTS в LanceDB, query_type=hybrid, RRFReranker, normalize, фильтр обеих ветвей и оценка nDCG.
Как настроить русский Full-Text Search в LanceDB
FTS-индекс LanceDB для русского текста: language, stop words, stemming, lowercase, phrase positions, fuzzy search и проверка кодов.
Как настроить vector search LanceDB и измерить Recall@k
L2, cosine, dot и hamming в LanceDB, exact scan, ANN, nprobes, refine_factor, distance_range и проверка качества индекса.
Как обновлять данные LanceDB через merge_insert без дублей
Update и merge_insert в LanceDB: сопоставление по ключу, when_matched_update_all, when_not_matched_insert_all и проверка идемпотентности.
Как восстановить версию таблицы LanceDB и сохранить воспроизводимость
Автоматические версии LanceDB, list_versions, checkout, restore, checkout_latest, tags и безопасная проверка rollback перед cleanup.
Как выбрать vector index LanceDB: IVF_PQ, IVF_RQ или IVF_HNSW
Сравнение индексов LanceDB по recall, latency и сжатию: IVF_PQ, IVF_RQ, IVF_HNSW_FLAT/SQ, metric и контроль build status.
Как загрузить большой датасет в LanceDB без переполнения памяти
Потоковая загрузка LanceDB через table.add, PyArrow Dataset и RecordBatch iterator, manifest, parallel writes и сверка количества строк.
Как подключить Groq API к Python и проверить первый Chat Completion
Установка Groq SDK, безопасный API-ключ, первый запрос из Python и проверка content, finish_reason, model и usage на реальном ответе.
Как запустить модель Replicate API из Python и сохранить результат
Практический запуск модели Replicate из Python: токен в окружении, replicate.run, проверка FileOutput и сохранение файла без выдуманных параметров.
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 создать таблицу LanceDB с точной PyArrow-схемой и Vector
Явная schema LanceDB: FixedSizeList для vector, LanceModel/Vector, nullable-поля, validators и отрицательный тест размерности.
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 создать коллекцию Weaviate через Python Client v4
Явная схема коллекции Weaviate: правила имён, Property, DataType, vector_config, отключение auto-schema и проверка конфигурации.
Как задать embedding-модель локально в LlamaIndex и не смешать индексы
Settings как глобальный fallback и локальный embed_model для конкретного индекса с тестом на совместимость после перезапуска.
Как измерить hit rate и MRR поиска в LlamaIndex RetrieverEvaluator
Размеченный вопрос, expected_ids и оценка позиции релевантного узла до тестирования ответов генератора.
Как квантовать embeddings в int8 через SentenceTransformer.encode
Сравниваем тип и размер массива float32/int8, объясняем необходимость калибровки и измерения recall перед заменой хранилища.
Как найти релевантный фрагмент через semantic_search в Sentence Transformers
Кодируем вопрос и документы, связываем corpus_id с текстом, проверяем top_k и строим отказ при отсутствии подходящего источника.
Как найти смысловые дубли вопросов через paraphrase_mining
Ищем пары похожих вопросов, читаем позиции и score, исключаем отрицания и цифры ручной проверкой до объединения записей.