home.social

#milvus — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #milvus, aggregated by home.social.

  1. Как мы создали внутреннего ИИ-помощника на базе RAG и перестали искать ответы по корпоративной Wiki

    Компании со временем накапливают тысячи страниц документации, и найти нужную информацию становится всё сложнее. Обычный поиск перестаёт справляться, сотрудники тратят время на навигацию по Wiki и повторяют одни и те же вопросы коллегам. Как решили эту проблему: когда большие языковые модели стали рабочим инструментом, мы объединили корпоративные знания с возможностями LLM. Так появился Юджин — AI-ассистент, который понимает смысл запроса, а не просто ищет совпадения по словам. Меня зовут Илья, я директор департамента разработки ЮMoney. Расскажу, почему отказались от готовых решений и как построили RAG-платформу для корпоративных знаний. Материал будет полезен архитекторам, AI-инженерам и всем, кто внедряет корпоративные LLM-решения.

    habr.com/ru/companies/yoomoney

    #rag #llm #корпоративный_поиск #aiассистент #векторный_поиск #opensearch #frida #milvus #искусственный_интеллект #семантический_поиск

  2. Как мы создали внутреннего ИИ-помощника на базе RAG и перестали искать ответы по корпоративной Wiki

    Компании со временем накапливают тысячи страниц документации, и найти нужную информацию становится всё сложнее. Обычный поиск перестаёт справляться, сотрудники тратят время на навигацию по Wiki и повторяют одни и те же вопросы коллегам. Как решили эту проблему: когда большие языковые модели стали рабочим инструментом, мы объединили корпоративные знания с возможностями LLM. Так появился Юджин — AI-ассистент, который понимает смысл запроса, а не просто ищет совпадения по словам. Меня зовут Илья, я директор департамента разработки ЮMoney. Расскажу, почему отказались от готовых решений и как построили RAG-платформу для корпоративных знаний. Материал будет полезен архитекторам, AI-инженерам и всем, кто внедряет корпоративные LLM-решения.

    habr.com/ru/companies/yoomoney

    #rag #llm #корпоративный_поиск #aiассистент #векторный_поиск #opensearch #frida #milvus #искусственный_интеллект #семантический_поиск

  3. Как мы создали внутреннего ИИ-помощника на базе RAG и перестали искать ответы по корпоративной Wiki

    Компании со временем накапливают тысячи страниц документации, и найти нужную информацию становится всё сложнее. Обычный поиск перестаёт справляться, сотрудники тратят время на навигацию по Wiki и повторяют одни и те же вопросы коллегам. Как решили эту проблему: когда большие языковые модели стали рабочим инструментом, мы объединили корпоративные знания с возможностями LLM. Так появился Юджин — AI-ассистент, который понимает смысл запроса, а не просто ищет совпадения по словам. Меня зовут Илья, я директор департамента разработки ЮMoney. Расскажу, почему отказались от готовых решений и как построили RAG-платформу для корпоративных знаний. Материал будет полезен архитекторам, AI-инженерам и всем, кто внедряет корпоративные LLM-решения.

    habr.com/ru/companies/yoomoney

    #rag #llm #корпоративный_поиск #aiассистент #векторный_поиск #opensearch #frida #milvus #искусственный_интеллект #семантический_поиск

  4. Databases for : Should you use a vector ? 🤔

    This article compares projects competing to handle modern workloads, including and . Discover which databases best meet today’s AI challenges: lpi.org/636x

    (Disclaimer: This post contains an AI-generated image.)

  5. Databases for #AI: Should you use a vector #database? 🤔

    This article compares #opensource projects competing to handle modern #AI workloads, including #machinelearning and #LLMs. Discover which databases best meet today’s AI challenges: lpi.org/636x

    (Disclaimer: This post contains an AI-generated image.)

    #AndyOram #AI #vectordatabase #machinelearning #LLMs #SQL #opensource #hybridsearch #generativeAI #MariaDB #MongoDB #Milvus #Qdrant #Weaviate #Vespa #ChromaDB #LanceDB

  6. Databases for #AI: Should you use a vector #database? 🤔

    This article compares #opensource projects competing to handle modern #AI workloads, including #machinelearning and #LLMs. Discover which databases best meet today’s AI challenges: lpi.org/636x

    (Disclaimer: This post contains an AI-generated image.)

    #AndyOram #AI #vectordatabase #machinelearning #LLMs #SQL #opensource #hybridsearch #generativeAI #MariaDB #MongoDB #Milvus #Qdrant #Weaviate #Vespa #ChromaDB #LanceDB

  7. Databases for #AI: Should you use a vector #database? 🤔

    This article compares #opensource projects competing to handle modern #AI workloads, including #machinelearning and #LLMs. Discover which databases best meet today’s AI challenges: lpi.org/636x

    (Disclaimer: This post contains an AI-generated image.)

    #AndyOram #AI #vectordatabase #machinelearning #LLMs #SQL #opensource #hybridsearch #generativeAI #MariaDB #MongoDB #Milvus #Qdrant #Weaviate #Vespa #ChromaDB #LanceDB

  8. Databases for #AI: Should you use a vector #database? 🤔

    This article compares #opensource projects competing to handle modern #AI workloads, including #machinelearning and #LLMs. Discover which databases best meet today’s AI challenges: lpi.org/636x

    (Disclaimer: This post contains an AI-generated image.)

    #AndyOram #AI #vectordatabase #machinelearning #LLMs #SQL #opensource #hybridsearch #generativeAI #MariaDB #MongoDB #Milvus #Qdrant #Weaviate #Vespa #ChromaDB #LanceDB

  9. Tối ưu truy vấn LIKE trong hệ thống tìm kiếm: Khi kết hợp tìm kiếm vector với bộ lọc từ khóa (LIKE '%...%'), hiệu suất thường tụt dốc do phải quét toàn bộ dữ liệu. Milvus đã thử nghiệm chỉ mục N-gram để giải quyết vấn đề này—chuyển đổi truy vấn chuỗi con thành tìm kiếm theo chỉ mục đảo, giúp tăng tốc 80–190×. Thử nghiệm trên 100K tài liệu và 1M bản ghi cho thấy thời gian truy vấn giảm từ hàng trăm ms xuống còn ~1ms.

    #Milvus #NgramIndex #VectorSearch #LIKEQuery #KeywordMatching #TốiƯuCSDL #TìmK

  10. Автоматизация подготовки датасета для задачи сегментации объектов: от сбора данных до готового прототипа за пару дней

    Проблема Представьте ситуацию: у вас задача: нужно сделать прототип проекта, который требует обучения модели сегментации на специфичных данных. Классический подход — это недели и даже месяцы ручной работы: • Сбор и запись данных • Удаление дубликатов вручную • Ручная разметка тысяч изображений (Это и деньги, и время) • Валидация качества данных (Это тоже и деньги, и время) • Подготовка датасета для обучения Для маленькой команды, стартапа, это ну прям А что если весь этот процесс можно автоматизировать и сократить с недель до нескольких минут? Именно такую систему мы разработали буквально за один день для нового прототипного проекта.

    habr.com/ru/articles/982112/

    #SAM3 #YOLO #computervision #deeplearning #activelearning #cvat #embeddings #milvus

  11. Автоматизация подготовки датасета для задачи сегментации объектов: от сбора данных до готового прототипа за пару дней

    Проблема Представьте ситуацию: у вас задача: нужно сделать прототип проекта, который требует обучения модели сегментации на специфичных данных. Классический подход — это недели и даже месяцы ручной работы: • Сбор и запись данных • Удаление дубликатов вручную • Ручная разметка тысяч изображений (Это и деньги, и время) • Валидация качества данных (Это тоже и деньги, и время) • Подготовка датасета для обучения Для маленькой команды, стартапа, это ну прям А что если весь этот процесс можно автоматизировать и сократить с недель до нескольких минут? Именно такую систему мы разработали буквально за один день для нового прототипного проекта.

    habr.com/ru/articles/982112/

    #SAM3 #YOLO #computervision #deeplearning #activelearning #cvat #embeddings #milvus

  12. Автоматизация подготовки датасета для задачи сегментации объектов: от сбора данных до готового прототипа за пару дней

    Проблема Представьте ситуацию: у вас задача: нужно сделать прототип проекта, который требует обучения модели сегментации на специфичных данных. Классический подход — это недели и даже месяцы ручной работы: • Сбор и запись данных • Удаление дубликатов вручную • Ручная разметка тысяч изображений (Это и деньги, и время) • Валидация качества данных (Это тоже и деньги, и время) • Подготовка датасета для обучения Для маленькой команды, стартапа, это ну прям А что если весь этот процесс можно автоматизировать и сократить с недель до нескольких минут? Именно такую систему мы разработали буквально за один день для нового прототипного проекта.

    habr.com/ru/articles/982112/

    #SAM3 #YOLO #computervision #deeplearning #activelearning #cvat #embeddings #milvus

  13. Векторный поиск: как выбрать систему и не пожалеть

    От поиска по архивам документов и медиафайлам до рекомендательных систем и AI приложений — всюду работают эмбеддинги и векторный поиск. Но когда дело доходит до выбора конкретного инструмента, глаза разбегаются: Qdrant, Milvus, Weaviate, Redis, Elasticsearch, Pgvector… Если вы: - планируете внедрять семантический поиск в свой продукт, - выбираете между проверенными временем БД и специализированными системами обработки векторов, - ищете независисые бенчмарки, то этот материал — для вас. Мы разберем основные концепции векторного поиска, сравним популярные open-source решения и протестируем скорость их работы с учетом загрузки процессора и памяти.

    habr.com/ru/companies/tensor/a

    #векторный_поиск #pgvector #pgvectors #milvus #weaviate #redis #qdrant #vespa #elasticsearch #chroma

  14. Векторный поиск: как выбрать систему и не пожалеть

    От поиска по архивам документов и медиафайлам до рекомендательных систем и AI приложений — всюду работают эмбеддинги и векторный поиск. Но когда дело доходит до выбора конкретного инструмента, глаза разбегаются: Qdrant, Milvus, Weaviate, Redis, Elasticsearch, Pgvector… Если вы: - планируете внедрять семантический поиск в свой продукт, - выбираете между проверенными временем БД и специализированными системами обработки векторов, - ищете независисые бенчмарки, то этот материал — для вас. Мы разберем основные концепции векторного поиска, сравним популярные open-source решения и протестируем скорость их работы с учетом загрузки процессора и памяти.

    habr.com/ru/companies/tensor/a

    #векторный_поиск #pgvector #pgvectors #milvus #weaviate #redis #qdrant #vespa #elasticsearch #chroma

  15. Векторный поиск: как выбрать систему и не пожалеть

    От поиска по архивам документов и медиафайлам до рекомендательных систем и AI приложений — всюду работают эмбеддинги и векторный поиск. Но когда дело доходит до выбора конкретного инструмента, глаза разбегаются: Qdrant, Milvus, Weaviate, Redis, Elasticsearch, Pgvector… Если вы: - планируете внедрять семантический поиск в свой продукт, - выбираете между проверенными временем БД и специализированными системами обработки векторов, - ищете независисые бенчмарки, то этот материал — для вас. Мы разберем основные концепции векторного поиска, сравним популярные open-source решения и протестируем скорость их работы с учетом загрузки процессора и памяти.

    habr.com/ru/companies/tensor/a

    #векторный_поиск #pgvector #pgvectors #milvus #weaviate #redis #qdrant #vespa #elasticsearch #chroma

  16. Любовное письмо LLM, или как я перестал бояться и впервые довел пет-проект до конца

    Я ненавижу пет-проекты. Да, я НЕНАВИЖУ их всей своей душой. Ровно с тех пор, как получил свою первую фул-тайм работу разработчиком. Я ненавижу приходить с работы и вставать перед выбором - работать в рамках привычного мне фронтенда, которым я занимаюсь на моей “с 9 до 5” и от которого к концу рабочей недели уже тошнит. …или с головой погружаться в новые технологии, медленно и мучительно прогрызаясь через них, прежде, чем у тебя получится сделать нечто чуть лучше условного Hello world. Если ты, конечно, не готов жертвовать сном, другими хобби или временем, проведенным с любимыми людьми. По крайней мере, я так думал до одного забавного дня пару месяцев назад.

    habr.com/ru/articles/971742/

    #python #milvus #telegram #telegrambot #петпроект

  17. Любовное письмо LLM, или как я перестал бояться и впервые довел пет-проект до конца

    Я ненавижу пет-проекты. Да, я НЕНАВИЖУ их всей своей душой. Ровно с тех пор, как получил свою первую фул-тайм работу разработчиком. Я ненавижу приходить с работы и вставать перед выбором - работать в рамках привычного мне фронтенда, которым я занимаюсь на моей “с 9 до 5” и от которого к концу рабочей недели уже тошнит. …или с головой погружаться в новые технологии, медленно и мучительно прогрызаясь через них, прежде, чем у тебя получится сделать нечто чуть лучше условного Hello world. Если ты, конечно, не готов жертвовать сном, другими хобби или временем, проведенным с любимыми людьми. По крайней мере, я так думал до одного забавного дня пару месяцев назад.

    habr.com/ru/articles/971742/

    #python #milvus #telegram #telegrambot #петпроект

  18. Любовное письмо LLM, или как я перестал бояться и впервые довел пет-проект до конца

    Я ненавижу пет-проекты. Да, я НЕНАВИЖУ их всей своей душой. Ровно с тех пор, как получил свою первую фул-тайм работу разработчиком. Я ненавижу приходить с работы и вставать перед выбором - работать в рамках привычного мне фронтенда, которым я занимаюсь на моей “с 9 до 5” и от которого к концу рабочей недели уже тошнит. …или с головой погружаться в новые технологии, медленно и мучительно прогрызаясь через них, прежде, чем у тебя получится сделать нечто чуть лучше условного Hello world. Если ты, конечно, не готов жертвовать сном, другими хобби или временем, проведенным с любимыми людьми. По крайней мере, я так думал до одного забавного дня пару месяцев назад.

    habr.com/ru/articles/971742/

    #python #milvus #telegram #telegrambot #петпроект

  19. Выбираем векторную БД для AI-агентов и RAG: большой обзор баз данных и поиск смысла

    В этой статье я сделал обзор основных векторных баз данных: Milvus, Qdrant, Weaviate, ChromaDB, pgvector, Redis, pgvectorscale, LanceDB, ClickHouse, Vespa, Marqo, ElasticSearch. Если вы запутались в разнообразии векторных баз данных или хочется верхнеуровнево понимать как они устроены, чем отличаются и для чего вообще нужны, то эта статья будет очень полезна. Мы пошагово соберем все ожидания от векторных БД, посмотрим бенчмарки, а затем попробуем собрать все воедино.

    habr.com/ru/articles/961088/

    #базы_данных #milvus #pgvector #qdrant #redis #chroma #chromadb #ииагенты #aiагенты #LLM

  20. Выбираем векторную БД для AI-агентов и RAG: большой обзор баз данных и поиск смысла

    В этой статье я сделал обзор основных векторных баз данных: Milvus, Qdrant, Weaviate, ChromaDB, pgvector, Redis, pgvectorscale, LanceDB, ClickHouse, Vespa, Marqo, ElasticSearch. Если вы запутались в разнообразии векторных баз данных или хочется верхнеуровнево понимать как они устроены, чем отличаются и для чего вообще нужны, то эта статья будет очень полезна. Мы пошагово соберем все ожидания от векторных БД, посмотрим бенчмарки, а затем попробуем собрать все воедино.

    habr.com/ru/articles/961088/

    #базы_данных #milvus #pgvector #qdrant #redis #chroma #chromadb #ииагенты #aiагенты #LLM

  21. Выбираем векторную БД для AI-агентов и RAG: большой обзор баз данных и поиск смысла

    В этой статье я сделал обзор основных векторных баз данных: Milvus, Qdrant, Weaviate, ChromaDB, pgvector, Redis, pgvectorscale, LanceDB, ClickHouse, Vespa, Marqo, ElasticSearch. Если вы запутались в разнообразии векторных баз данных или хочется верхнеуровнево понимать как они устроены, чем отличаются и для чего вообще нужны, то эта статья будет очень полезна. Мы пошагово соберем все ожидания от векторных БД, посмотрим бенчмарки, а затем попробуем собрать все воедино.

    habr.com/ru/articles/961088/

    #базы_данных #milvus #pgvector #qdrant #redis #chroma #chromadb #ииагенты #aiагенты #LLM

  22. "Xây dựng pipeline tìm kiếm druge nhé! 🤔 Cảpgvector hayLLamaIndex+Milvus? Nhu cầu millions rows. Giúpôi về t_CSAL, skalabilité, bảo trì! #pgvector #LlamaIndex #Milvus #SemanticSearch #Python #AI"

    reddit.com/r/LocalLLaMA/commen

  23. "Xây dựng pipeline tìm kiếm druge nhé! 🤔 Cảpgvector hayLLamaIndex+Milvus? Nhu cầu millions rows. Giúpôi về t_CSAL, skalabilité, bảo trì! #pgvector #LlamaIndex #Milvus #SemanticSearch #Python #AI"

    reddit.com/r/LocalLLaMA/commen

  24. Как мы научили LLM отвечать на вопросы абитуриентов в крупнейшем вузе страны

    Академий показал, что LLM-бот может работать в продакшене, а не в демо. RAG, SQL-модуль, собственный бенч и GPU-инфра позволили выдержать десятки тысяч запросов в реальной приёмной кампании. Для абитуриентов это быстрые и точные ответы 24/7, для вуза — разгрузка комиссии и масштабируемый инструмент. Для нас — платформа, где мы улучшаем подходы к RAG, фильтрации и безопасности в живой среде.

    habr.com/ru/articles/944500/

    #llmбот #rag #qwen3 #vllm #milvus #langgraph #ранхигс

  25. Как мы научили LLM отвечать на вопросы абитуриентов в крупнейшем вузе страны

    Академий показал, что LLM-бот может работать в продакшене, а не в демо. RAG, SQL-модуль, собственный бенч и GPU-инфра позволили выдержать десятки тысяч запросов в реальной приёмной кампании. Для абитуриентов это быстрые и точные ответы 24/7, для вуза — разгрузка комиссии и масштабируемый инструмент. Для нас — платформа, где мы улучшаем подходы к RAG, фильтрации и безопасности в живой среде.

    habr.com/ru/articles/944500/

    #llmбот #rag #qwen3 #vllm #milvus #langgraph #ранхигс

  26. Как мы научили LLM отвечать на вопросы абитуриентов в крупнейшем вузе страны

    Академий показал, что LLM-бот может работать в продакшене, а не в демо. RAG, SQL-модуль, собственный бенч и GPU-инфра позволили выдержать десятки тысяч запросов в реальной приёмной кампании. Для абитуриентов это быстрые и точные ответы 24/7, для вуза — разгрузка комиссии и масштабируемый инструмент. Для нас — платформа, где мы улучшаем подходы к RAG, фильтрации и безопасности в живой среде.

    habr.com/ru/articles/944500/

    #llmбот #rag #qwen3 #vllm #milvus #langgraph #ранхигс