Векторный, полнотекстовый и гибридный поиск в YDB: контекст для моделей на реальных данных
Спикеры
Руководитель группы, кандидат технических наук, доцент.
Кому полезно
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.
О чём доклад
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'.
