#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-15

Bilety: 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-fOcFE

Linki i transkrypcja:

🔹https://bliskiespotkaniazai.pl/r23

Rozdziały:

00:00 Dziś w odcinku

02:11 Wprowadzenie

02:24 Kacper Łukaski

02:57 Czym jest fundacja AI Embassy?

05:39 Na czym polega rola Developer Advocate?

12:21 Wyszukiwanie wektorowe vs klasyczne

16:01 Kiedy klasyczne wyszukiwanie wygrywa?

17:35 Wyszukiwanie wektorowe w RAG

19:10 Czym jest RAG?

22:04 Zastosowania baz wektorowych poza RAG

27:40 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 odpowiedzi

51:50 Jak wybrać model embeddingowy?

56:50 Polskie LLM w systemach RAG

01:00:11 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 embeddingi

01:26:54 Polecane materiały i zakończenie

#WyszukiwanieWektorowe #RAG #SztucznaInteligencja #BazyWektorowe #LLM