Подложка данных и векторная база: зачем обе в регулируемом ИИ
Векторный поиск находит похожее, но не объясняет решение. Как хранить версию нормы и источник рядом с ответом модели.
Stuzhuk Lab — Chemistry of Code
Химия кода
← Все статьи
Тег
Базы данных
Все статьи блога с этим тегом.
ACL и мультиарендность в RAG: фильтровать права до поиска, а не после
Права доступа в промышленном RAG нельзя оставлять модели. Как изолировать арендаторов, применить список доступа до извлечения, закрыть скрытые каналы утечки и измерить полноту при жёстких фильтрах.
Как одно соединение «убивает» базу данных
Открытая транзакция после необработанного исключения блокирует миграцию и всю очередь запросов — кейс GitHub и Postgres.
Векторные базы для агентов ИИ в 2026: что важнее скорости ANN
Qdrant, Pinecone, Weaviate, pgvector и Milvus: фильтры, гибридный поиск, мультитенантность и квантование — как выбирать хранилище памяти агента.
Векторные базы данных в промышленном ИИ: слой индекса, поиска и хранения
Как выбрать и эксплуатировать векторную базу: алгоритмы поиска, фильтры, арендаторы, PostgreSQL с pgvector против отдельного хранилища.
Промышленная инженерия RAG в 2026 году: разбиение, гибридный поиск, переранжирование и оценка
Практическое руководство по промышленным RAG-системам: подготовка корпуса, гибридный поиск, переранжирование, оценка качества, безопасность, наблюдаемость и поэтапный план внедрения.
Почему агент ИИ иногда обходится дешевле RAG
Больше вызовов LLM не всегда означают больше расходов: считать нужно стоимость закрытого обращения, а не одного ответа.
RAG в проде: уроки обработки 10 тысяч вакансий в день
Как разбиение текста, векторные представления, pgvector, контроль расходов и наблюдаемость делают RAG-систему устойчивой.
Оптимизация БД: шесть стратегий, которые ускоряют запросы на 60%
Профилирование, индексы, рефакторинг ORM, материализованные представления, пул соединений и кэш — практический гайд по PostgreSQL и MySQL.
Очередь фоновых задач на PostgreSQL и Go: проект Swig
Таблица jobs, блокировки строк, JSONB, LISTEN/NOTIFY и воркеры — без Redis, если Postgres уже в стеке.
SQLite хватит для durable workflows: DBOS, Litestream и AI-агенты
DBOS и Obelisk: локальный SQLite + Litestream в S3 для состояния workflow; Postgres — когда нужны HA и масштаб.
Семантический слой между хранилищем и BI: зачем он нужен для AI-аналитики
Metrics Layer / Headless BI: единый исполняемый контракт метрик, отличие от каталога данных и почему LLM не должна сама изобретать SQL.
5 Python vector DB: что ломается после ноутбука
Chroma, Pinecone, Qdrant, Weaviate — не бенчмарки QPS, а packaging, API stability и путь из dev в production.
Как ужать словарь с 3 ГБ SQLite до ~10 МБ: FST вместо базы
Кейс tsk: finite state transducer в Rust, общие суффиксы финского языка и почему FTS в SQLite был временным решением.