Tech News — Latest News

Все EN RU

Вторая память и второй мозг — не одно и то же. Как я собрал 200 тысяч файлов своей жизни и подключил к ним агентов

Модно называть вторым мозгом папку с заметками в Obsidian. Но 200 тысяч файлов сами по себе ничего не делают - это вторая память. Мозгом она станови…

второй мозг rag llm-агент персональная база знаний семантический поиск embeddings реранкер дистилляция obsidian claude-code

Я добавил Rerank в Obsidian. Что показали тесты на 64 и 500 заметках

Добавил Rerank в свой плагин для Obsidian и решил проверить, стоит ли запускать вторую модель при каждом поиске. Сравнил три модели, провёл эксперим…

obsidian veynrel rerank семантический поиск embeddings ранжирование rag ndcg openrouter плагины obsidian

Хотел выбрать булочную по отзывам, а написал анализатор аномалий с embeddings и графами

После переезда я искал булочную на Яндекс Картах и наткнулся на отзыв, начинающийся с фразы «да вот хороший вариант ответа». Из этого вырос ReviewSc…

ReviewScope Python анализ отзывов NLP embeddings поиск аномалий Data Mining DuckDB Streamlit графы

Набор функций ещё не продукт: что я понял, когда посмотрел на свой проект со стороны

Всем привет! В прошлой статье я рассказывал про ребрендинг моего плагина для Obsidian, Companion и MCP. Но спустя какое-то время я поймал себя на до…

Obsidian Veynrel AI LLM embeddings semantic search FSRS knowledge management PKM plugin development

RAG умер, да здравствует RAG: история одного Reranker и как мы оживили нейропоиск среди 35 000 страниц

Привет, Хабр! На связи Саша Михеев, ML-инженер Центра гибридного интеллекта в Рунити. В прошлой статье мы рассказывали, как строим корпоративного RA…

rag reranker cross-encoder embeddings векторный поиск dense sparse rrf llm нейропоиск

Собираем приватный RAG-стек на pgvector

Собираем приватный RAG-стек на pgvector, где документы, поиск и генерация ответа остаются внутри вашего VPS. Разберём схему стенда, embeddings, pgve…

RAG pgvector PostgreSQL векторный поиск embeddings локальная LLM self-hosted RAG Ollama HNSW информационная безопасность

Способ визуализации n‑мерных эмбеддингов в трёхмерном пространстве

Способ визуализации n‑мерных эмбеддингов в трёхмерном пространстве. Обычно при упоминании отображения эмбеддингов (или как мы уже зна…

machine learning embeddings visualization python

474 712 строк за 35 лет: как мы с LLM и 21 экспертом приводим в порядок справочник автосервиса

НАР РУЧКУ ДВЕРЬ РАСПАШ З ПР С/У Это не битая кодировка и не ошибка миграции. Это настоящее название работы из нашего справочника. За 35 лет в нём на…

LLM Claude Code нормализация данных качество данных human-in-the-loop embeddings TF-IDF

[Перевод] Manticore Search 29.9.0: chunked auto-embeddings и mmap-доступ к columnar-атрибутам

Manticore Search 29.9.0: chunked auto-embeddings и mmap-доступ к columnar-атрибутам Manticore Search 29.9.0 добавляет chunked и multi-vector auto-em…

Manticore Search векторный поиск embeddings KNN базы данных

Месяц тюнил поиск по памяти, а починила всё одна строка в промпте

Поднял Recall@5 поиска по памяти на 17%, померил качество самих ответов и получил прирост, неотличимый от шума: тест Макнемара, p = 0.79. Месяц рабо…

rag retrieval-поиск bm25 llm embeddings evals prompt

Я хотел просто навести порядок в Obsidian. В итоге написал два индекса, semantic search и RAG

Я начинал с простого AI-аудита заметок, а в итоге Vault Audit AI вырос в систему с двумя индексами, поиском по смыслу, Similar Notes, semantic dupli…

Obsidian Vault Audit AI RAG semantic search embeddings LLM TypeScript vector search knowledge management Ollama

Семантического поиска оказалось мало. Как я научил Obsidian находить похожие заметки

В прошлой статье я рассказывал, как добавил в Obsidian локальный семантический индекс. Сам проект развивается открыто, код лежит здесь: GitHub: http…

Obsidian semantic search embeddings vector search Similar Notes TypeScript cosine similarity vector index semantic discovery

Как искать живой спрос в шумных городских Telegram-чатах

Городские Telegram-чаты похожи на непрерывный поток логов без схемы. В одном сообщении человек ищет квартиру, в следующем агент публикует двадцатую…

Telegram поиск embeddings pgvector NLP уведомления классификация намерений

Я научил Obsidian искать по смыслу. Как устроен локальный семантический индекс без отдельной векторной БД

В комментариях к прошлой статье мне написали примерно следующее: граф связей выглядит красиво, но хороший поиск по заметкам полезнее. Спорить было т…

Obsidian семантический поиск embeddings векторный поиск TypeScript локальный индекс LocalVectorStore OpenRouter Ollama Vault Audit AI

Шесть лет разработки Telegram-бота: от токенайзера до LLM, RAG и векторных баз

Ио — это LLM-бот для Telegram-чатов. Он умеет отвечать на сообщения пользователей, распознавать изображения и голосовые сообщения, учитывать текущий…

telegram bot llm-модели rag векторные базы данных vector search postgresql embeddings ai

Карточки из музыкальной студии 1975 года против продуктовых тупиков

Есть задачи, которые вроде бы не выглядят тупиком. Всё уже обсудили, аргументы есть — а решение почему-то снова переезжает на следующую неделю. Я ре…

product management искусственный интеллект deepseek next.js llm embeddings sqlite ux product design product discovery

Персонализация без Big Data: как мы ранжируем новости в Telegram с помощью pgvector и пяти сигналов

У меня накопилось 23 Telegram-канала. Не потому что я специально их коллекционировал. Просто со временем подписывался на новые. В какой-то момент по…

рекомендательные системы ranking embeddings machine learning

Contextual Retrieval: техника, которая чинит главную проблему RAG за 50 центов на тысячу чанков

Классический RAG часто ошибается не из‑за слабой embedding‑модели, а потому что чанки теряют связь с исходным документом. Разбир…

RAG Contextual Retrieval LLM embeddings BM25 reranking чанки векторный поиск база знаний корпоративный ИИ

Сжатие декодерных эмбеддеров: как ужать 8B до продакшена без потери recall

Декодерный эмбеддер 7–8B дает качество, но платит за него памятью, latency и деньгами. Разбираем все оси сжатия - int8, int4, binary + rescoring, PQ…

сжатие эмбеддингов квантизация эмбеддинги embeddings RAG Qdrant Qwen3 binary quantization Matryoshka retrieval

В 14 раз быстрее: как мы ускорили генерацию эмбеддингов в Manticore через ONNX

Когда мы выпустили  Auto Embeddings  — функцию автоматического преобразования текстов в векторные представления — без развёртывания отдель…

onnx onnx runtime onnxruntime embeddings эмбеддинги инференс векторный поиск vector search

Как выбрать эмбеддинг для проекта

Эмбеддинги (иначе говоря, векторные представления) — это способ представления абстрактных данных в виде набора чисел (в виде векторов, как вы могли…

ai эмбеддинги как выбрать эмбединг гайд на эмбединг embeddings LLM documentation document-oriented databases как подключить embedding векторная база данных

Где заканчивается вызов LLM и начинается backend система: локальный RAG на FastAPI и Ollama

Хотел разобраться где заканчивается простой вызов локальной LLM и начинается backend система. Сначала всё выглядело просто: frontend отправляет вопр…

rag llm fastapi ollama python backend embeddings vector store request_id локальная llm

Retrieval в 2026: как RAG переехал с энкодеров на LLM (и что с этим делать в своём проекте)

Если вы строили RAG в 2023, ваш стек выглядел плюс-минус одинаково. BERT-семейство (BGE, e5) для семантики, BM25 для буквальных совпадений, cross-en…

RAG эмбеддинги embeddings retrieval LLM Qwen3 Qdrant vector search hard negatives LLM2Vec

Зачем backend разработчику Python, если он не собирается становиться data scientist

Долго воспринимал Python как язык из соседнего мира. Где то там data science, pandas, ноутбуки, модели, эксперименты. А у меня обычный backend: API,…

python backend llm rag ai fastapi embeddings api production enterprise

Как мы боремся с галлюцинации AI Master: гибридный Guard на Embedding + LLM Extractor на примере AI-RPG «Стирая Грань»

Каждый, кто пробовал создавать текстовые RPG или симуляторы на базе LLM (будь то GPT-4, DeepSeek или локальная 70B), сталкивался с проблемой «Yes-An…

LLM gamedev NLP embeddings python deepseek геймдизайн искусственный интеллект rpg архитектура

Раннее завершение KNN-поиска в Manticore Search

Современные поисковые системы уже не просто сопоставляют ключевые слова. Когда вы ищете «уютный детектив, действие которого происходит в Париже», а…

knn knn-search векторный поиск семантический поиск hnsw embeddings oversampling полнотекстовый поиск

Как заставить ИИ играть по правилам ролевой системы: архитектура авторитарного бэкенда для AI RPG

Сделать текстовую игру на базе LLM легко, если вас устраивает бесконечный неконтролируемый чат, который ломается через 30 ходов из-за модельного дре…

python fastapi pgvector flutter искусственный интеллект rag deepseek embeddings dnd разработка игр

Почему RAG — это не просто «добавить поиск»: latency, качество и выбор стратегии retrieval

Когда говорят про RAG, его часто описывают как простой способ улучшить LLM‑систему: добавить поиск по внешним данным, найти релевантн…

RAG LLM retrieval latency Chroma Ollama vector search embeddings top-k chunk size

Почему RAG — фундамент любой AI-трансформации

За последние годы большинство AI-проектов в компаниях стартуют одинаково: сначала делают чат-бота, затем добавляют агентов, автоматизируют отдельные…

rag искусственный интеллект llm retrieval augmented generation векторная база данных embeddings корпоративные данные ai automation knowledge base hallucinations

Хакатон Samsung IT Academy Hack 2026: как студенты оптимизировали поиск в корпоративном мессенджере

Поиск — штука настолько привычная, что её редко рассматривают как отдельную инженерную задачу. На деле это связка из четырёх частей: парсинг и норма…

хакатон поиск информационный поиск elasticsearch qdrant embeddings векторный поиск ранжирование vk workspace vk tech

Последние новости