گفتیم که مهندسی هوش مصنوعی یعنی افزودن هوش مصنوعی به محصول
تمرکز ما بر روی LLMs هستش
یکی از این مباحث که گفتیم RAG هستش، یعنی پایگاه دانش سازمانی ایجاد کنیم که به پاسخ کاربران جوابگو باشد
برای اینکار ما نیاز به vector store داریم، که به چند شکل کتابخونه و دیتابیس و موتور وجود دارند
کتابخونهها ثابت هستند، در مقابل تغییر مقاوم و خب سریع تر هستند، نمونه اون FAISS متعلق به شرکت فیسبوک می باشد که بشدت رقابت رو سخت کرده
elasticsearch موتور جستجو
Pgvector اکستنشن پستگرس
Mongodb atlas اکستنشن مونگو
و دیتابیس هم مانند chromadb که ساختار معنایی داره
بیشتر این ابزارها بر پایه knn, ann و tf/idf کار میکنن، در نهایت ما semantic search میخوایم
به هرحال بسته به پروژه و بزرگی سازمان و نیاز شما ابزار مناسب رو انتخاب میکنید
هدف ما ساختن یک vector store هستش که تبدیل به پایگاه دانش سازمان شده و بخش Q&A سازمان و محصول رو راه اندازی کنیم
یک موضوع رو از من به یاد داشته باشید، مهمتر از ابزار و پرامپت مناسب و مدل خوب، معماری که شما میچینید و پیاده سازی میکنید بشدت مهمتر است، در داخل کتابهای آموزشی این حوزه تمرکز اصلی کتابها بر روی معماری هستش و مابقی موضوعات بیشتر به چشم ابزار دیده میشه
@code_crafters
6August 2, 2026 393 3 6
