USER2-base догнала OpenAI в юридическом RAG-бенчмарке
На корпусе судебной практики USER2-base не уступила OpenAI text-embedding-3-large. Разбираем, что это меняет для русскоязычного юридического RAG.
RAG
Retrieval-Augmented Generation: как подключить базы знаний к языковым моделям и строить RAG-системы.
AI-ассистент для колл-центра за 6 месяцев: как 12 бэкендеров без ML-опыта вывели проект в пилот
Российская компания построила голосового AI-ассистента «Суфлёр» силами 12 бэкендеров без ML-опыта. RAG вместо fine-tuning, Qwen 8B вместо облачного GPT, задержка 2 секунды.
Как настроить локальную языковую модель: полное руководство по Ollama, LM Studio и не только
Пошаговое руководство по настройке локальных языковых моделей: Ollama, LM Studio, Open WebUI. Выбор железа и моделей, квантизация, RAG, подключение через API — всё, чтобы запустить свой AI без облака.
LangChain vs LlamaIndex: что выбрать для production RAG в 2026 году
LangChain vs LlamaIndex для production RAG: где важнее orchestration, data layer, observability и когда выгоднее гибридный стек.
Как встроить ИИ-поиск в приложение с эмбеддингами
Практическое руководство: как добавить семантический поиск в приложение с помощью эмбеддингов и векторных баз данных.
RAG: что это и когда он действительно нужен
Техническая опорная страница по RAG внутри LLM-кластера: когда retrieval действительно нужен, где достаточно длинного контекста и куда идти за базами, метриками и прикладными сценариями.
Векторные базы данных для RAG: как выбрать Qdrant, Weaviate, Pinecone, pgvector и Chroma
Как выбрать Qdrant, Weaviate, Pinecone, pgvector и Chroma для RAG: где хватает Postgres, когда нужен managed retrieval и зачем важны фильтры.