Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
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 создать коллекцию Weaviate через Python Client v4
Явная схема коллекции Weaviate: правила имён, Property, DataType, vector_config, отключение auto-schema и проверка конфигурации.
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 создать коллекцию Qdrant с правильными vector size и distance
Практическая настройка коллекции Qdrant: размерность эмбеддинга, Cosine, Dot, Euclid или Manhattan, named vectors и контроль несовместимого вектора.
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 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 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 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 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 индекс Pinecone со встроенной embedding-моделью
Создание serverless index через create_index_for_model: cloud, region, hosted embedding model, field_map, ожидание готовности и контрольный поиск.
Как создать named vectors в Weaviate для разных полей
Несколько embeddings на object: named vectors для title и title+country, source_properties, отдельные indexes, target_vector и добавление vector в 1.31+.
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 создать и восстановить snapshot Qdrant без потери данных
Резервная копия коллекции Qdrant: create_snapshot, скачивание, checksum, совместимость версий, recover_snapshot, priority и контроль points и поиска.
Как создать incremental backup Weaviate и проверить восстановление
Полный и incremental backup Weaviate: backend, backup_id, include_collections, wait_for_completion, цепочка base backup, restore и контроль объектов.
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 создать эмбеддинги Together AI и проверить порядок векторов
Один и несколько текстов через embeddings.create, multilingual E5, индексы response.data, единая модель для базы и запроса, контроль similarity.
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 создать on-demand deployment Fireworks AI и выбрать deployment shape
Выбор shape, создание через firectl, фиксация региона, проверка состояния и запрос по ресурсу deployment без выдуманных GPU-конфигураций.