Опис проєкту
ПерекладУ нас велика бібліотека контенту — каталог товарів, статті довідки й внутрішні документи, — і поточний пошук за ключовими словами нас постійно підводить. Він знаходить точні слова, але не розуміє сенсу: клієнт пише «не можу увійти», а статтю «усунення проблем з авторизацією» так і не отримує, тому що формулювання не збігаються. Синоніми, перефразування та різні варіанти написання просто проваливаються повз, і до служби підтримки сиплються звернення на запитання, на які відповіді вже є на сайті. Нам потрібен пошук, який розуміє намір, а не тільки буквальні слова.
Шукаємо інженера, який побудує систему семантичного (векторного) пошуку поверх нашого існуючого контенту. Це означає: генерувати еміддінги для кожного індексованого об'єкта, зберігати ці вектори в нормальній векторній базі даних і відавати запити через зрозумілий API, до якого зможуть звертатися наші програми. Чекаємо гібридне ранжування, яке поєднує класичне збіг за ключовими словами з векторною близістю, — щоб точні збіги по-колишньому були наверху, коли це доречно, а близькі за сенсом результати всиплювалися, коли формулювання розходяться. Для нас важлива налаштування релевантності: хочемо розібрати реальні логи запитів, підстроїти ваги й пороги й виміряти, чи стали верхні результати дійсно кращими.
Щоб не було плутанини в обсязі: це система пошуку й видачі, а не чат-бот — генеративний асистент, який сам пише відповіді, нам не потрібен. Потрібні ранжування з урахуванням сенсу, задокументований API, конвеєр індексації, який тримає еміддінги в актуальному стані при змінах контенту, й рекомендація, яка модель еміддінгів і яке векторне сховище підходять під наш обсяг і бюджет.
Що хочемо отримати:
— конвеєр еміддінгів для каталогу й документів;
— векторну базу з гібридним ранжуванням (ключові слова + вектори);
— поисковий API з фільтрами, пагінацією й управлінням релевантності.
Шукаємо інженера, який побудує систему семантичного (векторного) пошуку поверх нашого існуючого контенту. Це означає: генерувати еміддінги для кожного індексованого об'єкта, зберігати ці вектори в нормальній векторній базі даних і відавати запити через зрозумілий API, до якого зможуть звертатися наші програми. Чекаємо гібридне ранжування, яке поєднує класичне збіг за ключовими словами з векторною близістю, — щоб точні збіги по-колишньому були наверху, коли це доречно, а близькі за сенсом результати всиплювалися, коли формулювання розходяться. Для нас важлива налаштування релевантності: хочемо розібрати реальні логи запитів, підстроїти ваги й пороги й виміряти, чи стали верхні результати дійсно кращими.
Щоб не було плутанини в обсязі: це система пошуку й видачі, а не чат-бот — генеративний асистент, який сам пише відповіді, нам не потрібен. Потрібні ранжування з урахуванням сенсу, задокументований API, конвеєр індексації, який тримає еміддінги в актуальному стані при змінах контенту, й рекомендація, яка модель еміддінгів і яке векторне сховище підходять під наш обсяг і бюджет.
Що хочемо отримати:
— конвеєр еміддінгів для каталогу й документів;
— векторну базу з гібридним ранжуванням (ключові слова + вектори);
— поисковий API з фільтрами, пагінацією й управлінням релевантності.
Розробка програм Готівка, Банківський переказ
