mock_sobes
← AI — RAG (Retrieval-Augmented Generation)
senior design #720
Корпус 5M документов, embedding в Qdrant (HNSW). 200k документов в день меняются/удаляются, embedding пересчёт стоит ~$1.2/1M токенов. Спроектируй стратегию обновления индекса: full rebuild vs incremental, как делать atomicity (blue/green), как чистить удалённые документы, как гарантировать, что пользователь не получит stale-ответы.
Чтобы решить вопрос и сохранить попытку — войди.