embeddings
Эмбеддинги и векторные представления
Визуальное объяснение работы эмбеддингов в LLM: как текст превращается в векторы и почему это важно для понимания языка.
Лучшие стратегии предобработки структурированных атрибутов (key-value) для семантического reranking в B2B ecommerce. Key-value по строкам, нормализация чисел, модели Marqo и сравнение подходов для векторного поиска.
Исправление ошибки 'invalid input type' при использовании createHistoryAwareRetriever в LangChain.js с Ollama embeddings. Пошаговый разбор промпта, настройка conversational RAG, пример рабочего кода и альтернативы для работы с историей чата.
Решение ошибки 'Metadata length longer than chunk size' в LlamaIndex: используйте excluded_embed_metadata_keys, увеличьте chunk_size или настройте metadata_template. Примеры кода для SentenceSplitter и VectorStoreIndex без потери данных для ретривера.