Chroma
Chroma
Определение
векторная БД, подходит только для прототипов, не для production
Где встречается
- 21. Когда вы выбираете fine-tuning вместо RAG, а когда — наоборот
- 71. Как вы тестируете RAG-систему на новых документах без реальных пользователей
- 74. Как вы мониторите дрейф данных (data drift) для RAG
- 78. Какие LLM для русского языка вы используете
- 80. Какие 3 книгикурса вы рекомендуете по production LLM
- 82. Как бы вы спроектировали систему для реального времени (real-time) обработки документов
- 91. Что такое Semantic Caching и как вы его реализуете
- 113. Как вы представляете граф знаний из изображения для LLM
- 116. Как вы индексируете видео-контент в RAG-системе
- 119. Как вы комбинируете текстовый и визуальный поиск (early fusion vs late fusion)
- 141. В чем разница между Naive RAG, Adaptive RAG и Agentic RAG
- 145. LangGraph vs CrewAI vs AutoGen — что вы выберете и для каких задач
- 149. Как спроектировать агента, который может самоисправляться (self-correction)
- 162. Что такое Quasar и как quantized verification ускоряет инференс
- 174. Что такое «многошаговая когерентность» (coherence illusion) в cascading agent systems
- 175. Как детектировать «объяснительно-решенческую декомпозицию»
- 187. Как язык промпта (русский vs английский) влияет на схему рассуждения
- 191. Какие типы задач требуют Level 3 представления (scientific formalization)
- 192. Как вы оцениваете качество language representation для задачи
- 263. Как вы обрабатываете PII в данных для RAG (GDPR, 152-ФЗ)
- 265. Как вы проектируете data lineage для RAG (от документа к ответу)
- 266. Как вы делаете incremental ingestion для часто меняющихся документов
- 353. Как работает embedding poisoning для RAG и как защититься
- 379. Как вы оцениваете retrieval с учетом позиции (Position-aware metrics)
- 410. Как вы делаете blue-green deployment для RAG системы с zero downtime
- 580. Как вы делаем agent with theory of mind (понимание намерений пользователя)
- 586. Что такое agent state management (состояние агента между вызовами)
- 612. Что такое data exfiltration через LLM (утечка данных через ответы)
- 750. Как устроена Memory в Harness (in-memory, fs, vector stores, relay)
- 760. Что такое Delegation Engineering и чем он отличается от Harness Engineering
- 765. Как измерять «стоимость делегирования» (токены + время + деньги)
- 772. Что такое «аутсорсинг» задачи другому LLM (с другим API, другой ценой)
- 776. Как считать TCO (Total Cost of Ownership) для RAGAgent системы
- 811. Что такое «message bus» для агентов (Kafka, NATS, Redis PubSub)
- 823. Как проектировать AI pipeline с at-least-once семантикой
- 855. Как проектировать CDC (Change Data Capture) для документов
- 878. Как измерять faithfulness для long-form ответов (1000+ токенов)
- 879. Как делать evaluation для long-context RAG (100k токенов)
- 883. Как защитить RAG от poisoning (вредоносные документы в базе знаний)
- 888. Как защититься от prompt stealing (кража системного промпта)