Привет! Меня зовут Николай, мне 32 года. По образованию я врач, анестезиолог-реаниматолог — но последние годы развиваюсь в инженерной сфере, и, честно говоря, она затянула меня сильнее. Больше всего — всё низкоуровневое: как устроена память, что происходит под локами, почему индекс быстрый или медленный. Реанимация научила одной вещи, которая неожиданно пригодилась в инженерии: доверять только измеренным показателям, а не ощущениям.
Рубрика «векторный поиск»
Как я писал in-memory векторный движок на Go — и в каком месте он обогнал hnswilb
2026-07-08 в 14:38, admin, рубрики: benchmark, Go, golang, hnsw, in-memory, rag, векторные базы данных, векторный поиск, квантизацияКак подключить таск-трекер к кодовой базе через RAG и не сойти с ума от стоимости токенов
2026-06-29 в 8:57, admin, рубрики: claude code, llm, MCP, neo4j, rag, векторный поиск, граф кода, таск-трекерОткрытый плагин для Claude Code / OpenCode с solve-task — от задачи до реализации без ручного сбора контекста.
Работаю с AI-ассистентами в реальной разработке уже достаточно давно, чтобы понимать: главная проблема не в качестве модели. Главная проблема — контекст.
LLM хорошо рассуждает о коде, когда у неё перед глазами правильный код. Но «правильный код» в реальном проекте — это не один файл. Это конкретный символ, его вызывающие, его тесты, смежные PR, существующий паттерн в репозитории, который не стоит ломать.
RAG: как Филин Палыч-реранкер навел порядок в цифровом королевстве
2026-03-22 в 12:25, admin, рубрики: llm, rag, Reranker, векторный поиск, научпоп, эмбеддинги
Используйте оглавление, если не хотите читать текст полностью:
Как Нейроюрист ищет по миллионам юридических документов с помощью векторного поиска YDB
2026-03-11 в 9:34, admin, рубрики: ydb, векторный индекс, векторный поиск, нейросети
Привет! Меня зовут Александр Зевайкин, и мы с командой делаем YDB (СУБД Яндекса). В конце прошлого года Яндекс Читать полностью »
Мой локальный агент помнит проект лучше меня. Контекст — 32K токенов. Расскажу, как
2026-02-09 в 17:31, admin, рубрики: ai-агенты, chromadb, llama, llm, rag, redis, векторный поиск, локальные моделиТри месяца назад я наблюдал, как мой агент на Llama 3.1 8B в третий раз спрашивает, как меня зовут.
Я представился в первом сообщении. Двести сообщений назад...
Агент забыл. Не потому что тупой. Потому что контекст переполнился и начало разговора уехало в никуда.
Это был момент, когда я понял: мы неправильно думаем о памяти.
Почему большие контексты — это ловушка
Когда вышел Claude с контекстом на миллион токенов, казалось — проблема решена. Запихиваем всё в контекст, модель помнит всё. Красота.
Потом пришёл счёт за API.
Создаем простую систему RAG на Python
2025-12-25 в 14:09, admin, рубрики: ml, rag, векторный поиск, генеративные модели, семантический поиск, эмбеддингиПредставьте, что вы предоставляете своему ИИ конкретные релевантные документы (или фрагменты), которые он может быстро просмотреть, чтобы найти необходимую информацию, прежде чем ответить на ваши вопросы. То есть, вместо поиска по всей базе данных (которая может не поместиться в контекстное окно модели LLM, или даже если поместится, это потребует много токенов для ответов), мы предоставляем LLM только релевантные документы (фрагменты), которые ему необходимо найти, чтобы ответить на вопрос пользователя.
Как я добавил систему рекомендаций контента в легаси-проект на PHP 7.2
2025-10-16 в 12:57, admin, рубрики: Ollama, php, qdrant, библиотека, векторный поиск, рекомендательная система, рекомендательные системыПривет! Хочу поделиться историей о том, как столкнулся с проблемой, возможно знакомой многим разработчикам: необходимость внедрить систему рекомендаций в проект, который все еще работает на старой версии php 7.2
Обновление версии php в legacy-проекте — это часто настоящий квест. То времени нет, то бизнес-фичи надо пилить, то еще какие-то причины. И часто бывает, что обновление версии php в командах откладывается на потом. Так проекты, даже очень большие живут годами на старых версиях php.
С помощью ИИ этот парень запустил конкурента Google прямо у себя в кладовке
2025-09-12 в 17:00, admin, рубрики: Google, searcha page, seek ninja, векторный поиск, ии-поиск, райан пирс
Почти тридцать лет назад, когда Google только выходил на свою победную тропу, у её основателей почти не было железа.
Запустили векторный поиск в YDB: рассказываем, как он работает
2025-07-15 в 6:00, admin, рубрики: llm, ydb, базы данных, векторный поиск, высоконагруженные системы, машинное обучение, нейросети, поиск, работа с данными
В новой версии YDBЧитать полностью »
Как мы внедрили векторный поиск в Postgres Pro
2025-06-18 в 13:36, admin, рубрики: postgres, Postgres Pro, Администрирование баз данных, вектор, векторизация, векторные базы данных, векторный поиск, разработка баз данныхПредставьте, что вы зашли в интернет-магазин купить пару кроссовок. Вы открываете описание модели, которая вам нравится, и сайт тут же предлагает похожие товары — и они действительно похожи. Как это работает?
Ответ прост и сложен одновременно: это векторный поиск — одна из самых перспективных технологий, меняющих подходы к работе с информацией.