векторная БД

Определение

Специализированная база данных, оптимизированная для хранения и быстрого поиска векторных эмбеддингов, поддерживающая семантический поиск и фильтрацию по метаданным; широко используется в RAG-системах для retrieval и памяти агентов.

Где встречается

• 1. Как бы вы спроектировали RAG-систему для 10 000 документов с разной структурой
• 13. Как вы загружаете 1000 документов в RAG максимально эффективно
• 14. Как вы обрезаете контекст, когда retrieved documents больше контекстного окна LLM
• 21. Когда вы выбираете fine-tuning вместо RAG, а когда — наоборот
• 54. Что такое Semantic Kernel и чем отличается от LangChain
• 79. Как вы обновляете embedding модель без полной переиндексации
• 104. Как вы интегрируете DSPy с RAG-пайплайном Приведите пример сигнатуры.
• 112. Как вы извлекаете логические отношения из диаграммы, а не просто текст
• 116. Как вы индексируете видео-контент в RAG-системе
• 117. Какие embedding-модели для мультимодального поиска вы используете CLIP, BLIP-2, ImageBind
• 119. Как вы комбинируете текстовый и визуальный поиск (early fusion vs late fusion)
• 123. Как вы защищаете RAG-систему от утечки данных между клиентами (multi-tenant isolation)
• 128. Что такое Model Poisoning в контексте RAG и как защититься
• 141. В чем разница между Naive RAG, Adaptive RAG и Agentic RAG
• 142. Как вы проектируете «планировщика» (planner) для Agentic RAG
• 144. Как вы передаете состояние (state) между шагами агента
• 145. LangGraph vs CrewAI vs AutoGen — что вы выберете и для каких задач
• 149. Как спроектировать агента, который может самоисправляться (self-correction)
• 245. Как вы делаете cache invalidation для semantic cache при обновлении знаний
• 249. Как вы делаете load shedding при перегрузке LLM сервера
• 256. Как вы проектируете ETL пайплайн для 1M документовдень в RAG систему
• 257. Как вы дедуплицируете документы перед индексацией в RAG
• 263. Как вы обрабатываете PII в данных для RAG (GDPR, 152-ФЗ)
• 266. Как вы делаете incremental ingestion для часто меняющихся документов
• 283. Что такое selective attention в контексте long context обработки
• 353. Как работает embedding poisoning для RAG и как защититься
• 361. Как работает CLIP и как training contrastive loss выравнивает текст и изображения
• 374. Как вы делаете query rewriting и query expansion в RAG
• 390. Как вы проектируем on-call ротацию для AI сервиса
• 428. Как вы проектируете Kafka топологии для RAG ingestion
• 536. Как работает CLIP (Contrastive Language-Image Pre-training) внутренне
• 541. Как вы делаете RAG для изображений (image retrieval without text)
• 546. Как вы индексируете видео-контент в RAG-системе
• 555. Как работает мультимодальный RAG с unified retrieval (один индекс для текста и изображений)
• 800+ вопросов

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление