Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как сделать полнотекстовый поиск ChromaDB через where_document и regex
Лексический фильтр ChromaDB: $contains, $not_contains, $regex, $not_regex, сочетание с semantic query и проверка русских кодов.
Как настроить семантический поиск ChromaDB и проверить distances
Collection.query в ChromaDB: query_texts, n_results, include, вложенная структура ответа, distances и оценка Recall@k для RAG.
Как сделать гибридный поиск Redis по тексту, фильтрам и vectors
Один FT.SEARCH объединяет TEXT, TAG и KNN: безопасный tenant pre-filter, PARAMS, distance, baselines и оценка hybrid retrieval.
Как фильтровать metadata в ChromaDB через where без утечки tenant
Metadata filtering ChromaDB: where, $eq, $gte, $and, типы значений, tenant и visibility до семантического ранжирования.
Как использовать conditional transactions ChromaDB без потерянных обновлений
Оптимистические collection-scoped транзакции ChromaDB: стабильный snapshot, read-check-write, конфликт commit и безопасный retry.
Как настроить HNSW-индекс ChromaDB и измерить Recall
HNSW configuration ChromaDB: space, ef_construction, ef_search, max_neighbors, build_threads, resize_factor и тест качества/скорости.
Как обновлять документы ChromaDB через upsert без дублей
Разница add, update и upsert в ChromaDB, стабильные IDs, параллельные списки, повторяемый импорт и проверка результата через get.
Как сохранить данные ChromaDB через PersistentClient после перезапуска
Локальная персистентность ChromaDB: PersistentClient, path, повторное открытие коллекции, контроль count и границы применения.
Как выбрать и закрепить embedding function в ChromaDB
EmbeddingFunction в ChromaDB: локальная или удалённая модель, привязка к collection, одинаковая обработка документов и запросов, миграция.
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 сделать Generative Search RAG в Weaviate с проверяемыми источниками
Weaviate generate.near_text: grouped_task, grouped_properties, limit, generative provider, source IDs, отказ при пустом контексте и критерии groundedness.
Как скопировать коллекцию ChromaDB между локальным сервером и Cloud
CLI chroma copy: локальный источник или Chroma Cloud, выбор database/collection, проверка count и ID, повторный запуск и план отката.
Как запустить ChromaDB в client-server режиме и подключить HttpClient
Разделение Chroma server и Python-приложения: chroma run, host, port, HttpClient, heartbeat, версии и отрицательная проверка сети.
Как сделать семантический поиск через Ollama embeddings локально
Локальный поиск по смыслу через Ollama embeddings: чанки, API, cosine similarity и тест релевантности.
Как сделать поиск по документам с RAG: от файлов до проверяемого ответа
Понятный план RAG-системы: очистка документов, разбиение текста, embeddings, поиск фрагментов и ответы со ссылками.
Как настроить гибридный поиск Qdrant: dense, sparse и RRF
Гибридный поиск Qdrant через named vectors, prefetch и Reciprocal Rank Fusion: точные артикулы, смысловые запросы, проверка Recall@k и p95.
Как настроить поиск Qdrant через Query API и измерить Recall@k
Поиск ближайших соседей через query_points: limit, with_payload, exact baseline, gold-набор, Recall@k и защита RAG от нерелевантного контекста.
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 объединить BM25 и векторный поиск в Azure AI Search через RRF
Гибридный Search POST для артикулов и перефразированных вопросов, test cases, RRF и проверка k против top.
Как выполнить exact k-NN в OpenSearch через script_score
Brute-force knn_score, предварительный tenant filter, query_value, space_type и exact top-k как ground truth для проверки ANN recall.