#23 Jak zbudować własną bazę wiedzy w firmie? RAG, MCP i wyszukiwanie semantyczne | Kacper Łukawski

Twoja aplikacja AI halucynuje na każdym kroku? Prawdopodobnie problem leży nie w LLM-ie, a w sposobie, w jaki dostarczasz mu dane. Odkryj, jak wyszukiwanie wektorowe buduje niezawodne bazy wiedzy dla AI i dlaczego popularne rozwiązania, takie jak PGVector, mogą okazać się ślepą uliczką.Zniżka dla pierwszych 10 osób na 15% na AI Miners: BSAI-15Bilety: https://aiminers.pl/🔔 Subskrybuj, aby nie przegapić nowych odcinków!W tym odcinku podcastu zanurzamy się w techniczne aspekty wyszukiwania wektorowego. Dowiesz się, dlaczego proste filtrowanie może "zepsuć" wyniki w systemach wektorowych i jak radzą sobie z tym dedykowane silniki. Omawiamy, czym w praktyce jest wyszukiwanie hybrydowe, jak standaryzacja w postaci protokołu MCP zmienia ekosystem AI i dlaczego wybór odpowiedniego modelu embeddingowego jest często ważniejszy niż samego LLM-a.Z tego odcinka dowiesz się:🔹 Na czym polega praca Developer Advocate i jakie umiejętności są kluczowe na tej ścieżce kariery.🔹 Czym wyszukiwanie wektorowe różni się od tradycyjnych metod opartych na słowach kluczowych.🔹 Dlaczego dedykowane bazy wektorowe często mają przewagę nad rozszerzeniami takimi jak PGVector.🔹 Jakie są kluczowe elementy budowy systemów RAG, od strategii chunkowania po wybór odpowiedniego modelu embeddingowego.🔹 W jakich scenariuszach, poza RAG, wyszukiwanie wektorowe sprawdza się najlepiej.🔹 Na czym polega wyszukiwanie hybrydowe i dlaczego łączenie różnych metod daje często najlepsze rezultaty.🔹 Czy modele VLM i statyczne embeddingi to przyszłość wyszukiwania informacji.🎙Prowadzący: https://www.linkedin.com/in/krzysztof-tutak/👥 Gość: https://www.linkedin.com/in/kacperlukawski/⭐️ Zobacz też:🔹#14 Marcin Czarkowski, Przemek Smyrdek - https://youtu.be/SyPF8vhywt8🔹#12 Adam Gospodarczyk - https://youtu.be/LBG3_L-sbJA🔹#9 Piotr Brzyski - https://youtu.be/fhpw_5-GWHg🔹#5 Jakub Mrugalski - https://youtu.be/gEhMWWaXfkQ🔹#4 Mateusz Chrobok - https://youtu.be/AWC6c-fOcFELinki i transkrypcja:🔹https://bliskiespotkaniazai.pl/r23Rozdziały:00:00 Dziś w odcinku02:11 Wprowadzenie02:24 Kacper Łukaski02:57 Czym jest fundacja AI Embassy?05:39 Na czym polega rola Developer Advocate?12:21 Wyszukiwanie wektorowe vs klasyczne16:01 Kiedy klasyczne wyszukiwanie wygrywa?17:35 Wyszukiwanie wektorowe w RAG19:10 Czym jest RAG?22:04 Zastosowania baz wektorowych poza RAG27:40 Qdrant vs PGVector: Co wybrać?34:39 Kiedy rozszerzenie PGVector wystarczy?37:21 Dlaczego filtrowanie jest trudne?41:13 Czym jest wyszukiwanie hybrydowe?45:40 Chunkowanie a jakość odpowiedzi51:50 Jak wybrać model embeddingowy?56:50 Polskie LLM w systemach RAG01:00:11 Fine-tuning małych modeli: Czy warto?01:03:39 Czym jest protokół MCP?01:17:15 Jak wybrać silnik wyszukiwania?01:21:00 Przyszłość wyszukiwania: VLM i embeddingi01:26:54 Polecane materiały i zakończenie#WyszukiwanieWektorowe #RAG #SztucznaInteligencja #BazyWektorowe #LLM