AI-функции сайта — страница 2

LLM API, потоковые и структурированные ответы, embeddings, RAG, поиск по документам, оценка, стоимость и ограничения.

Материалы

• Pgvector в PostgreSQL: документы и векторы

  Создать таблицы документов, ревизий и фрагментов с явной размерностью.

• RAG и pgvector: идемпотентный импорт и активация ревизии

  Подготовить ревизию вне транзакции и атомарно заменить активный текст.

• Косинусный поиск в pgvector: доступ к источникам

  Вернуть только разрешённые активные фрагменты одного векторного пространства.

• RAG и pgvector: полнотекстовый поиск и объединение рангов

  Соединить SQL-поиск по словам с векторной выдачей через RRF.

• HNSW в pgvector: индекс и фильтрация

  Описать приближённый поиск и отдельный протокол сравнения с точным.

• RAG и pgvector: контекст, цитаты и отказ от ответа

  Собрать ограниченный контекст, цитаты и необязательный ответ локальной модели с проверкой обозначений.

• RAG и pgvector: обновление, удаление и смена модели

  Сохранить согласованность выдачи при изменении текста и пространства.

• RAG и pgvector: вопросы для оценки поиска и ответа

  Подготовить независимые контрольные случаи и договор метрик без выдуманных замеров.

• RAG и pgvector: локальный веб-интерфейс и передача проекта

  Показать разрешённые источники и границы демонстрационного сервиса.