Векторный, полнотекстовый и гибридный поиск в YDB: контекст для моделей на реальных данных
30 ноября, 11:10, «Пекин-Шанхай»
Мнение Программного комитета о докладе
Настоящий глубокий технический доклад о современных базах данных. Как комбинировать текстовый и векторный поиск? Как сделать, чтобы это быстро работало в шардированной базе? Почти никто не умеет, а YDB умеет. И расскажет.
Целевая аудитория
Доклад будет полезен разработчикам, архитекторам и техническим руководителям, которые строят поиск по большим объемам данных: внутренние базы знаний, RAG-платформы, агентные инструменты, хранилища документов, рекомендательные и аналитические сервисы. Отдельно - тем, кто выбирает между внешним поисковым движком, векторной БД и поиском внутри транзакционной базы.
Тезисы
В RAG и агентных сценариях модель отвечает тем, что ей нашли. В маленьком примере достаточно построить эмбеддинги, добавить полнотекстовый индекс и объединить лексический и семантический поиск. В распределенной базе это быстро становится отдельной инженерной задачей.
Я расскажу не про API поиска, а про инженерные решения при встраивании поиска в YDB: обновления вместе с таблицей, фильтры и права доступа, шардинг, сбои, SQL-план и ранжирование. Разберу кластеризованный векторный индекс, полнотекстовый индекс с BM25, цену N-грамм и фильтров, а также 'HybridRank'.
Спикеры
