Qdrant

← Chương trước: Phần 1: Kiến Trúc Agentic Search & Golang Eino | Mục lục Series | Chương tiếp theo: Phần 3: Tối Ưu Qdrant Hybrid Search → Answer-first: Kiến trúc Ingestion cho E-commerce sử dụng CDC Debezium qua Kafka để stream dữ liệu PostgreSQL sang Qdrant theo thời gian thực. Phương pháp Atomic Chunking phân tách sản phẩm thành các đơn vị thông tin độc lập, bảo toàn phân cấp danh mục và thuộc tính kỹ thuật, triệt tiêu hiện tượng LLM trích xuất sai thông số. ...

← Chương trước: Phần 2: Data Ingestion & Atomic Chunking | Mục lục Series | Chương tiếp theo: Phần 4: Active RAG & Strict Tool Calling → Answer-first: Qdrant Hybrid Search kết hợp Dense Vector và Sparse Vector BM25 qua thuật toán Reciprocal Rank Fusion (RRF). Kỹ thuật Payload Filtering áp dụng bộ lọc cứng trực tiếp trong quá trình duyệt đồ thị HNSW, ngăn ngừa lọc hậu kỳ gây suy giảm tập kết quả và bảo đảm hiệu năng truy vấn đa điều kiện. ...

← Chương trước: Kiến Trúc Bảo Mật Zero-Trust Cho Microservices | Mục lục Series | Chương tiếp theo: Cloudflare Workers & Edge Computing → Answer-first: A Vector Database indexes high-dimensional embeddings using algorithms like Hierarchical Navigable Small World (HNSW) for ultra-fast semantic retrieval. In modern RAG architectures, combining dense semantic vectors with sparse BM25 keyword vectors via Reciprocal Rank Fusion (RRF) delivers optimal retrieval accuracy while Scalar and Binary Quantization reduce memory footprints up to 32x without degrading latency. ...

Answer-first: Hệ thống tìm kiếm TMĐT Agentic kết hợp Hybrid Search (Sparse BM25 + Dense HNSW) với Small Language Models (SLM) router trên Go microservices. Kiến trúc phân tích intent đa bước, trích xuất thuộc tính tức thời và re-rank ngữ nghĩa dưới 45ms, tăng tỷ lệ chuyển đổi tìm kiếm không dấu/phức tạp thêm 28% so với OpenSearch truyền thống. 🇬🇧 Read the English version of this article on tanhdev.com ...