RAG-системы

Retrieval, который реально находит — тот же рецепт что и в total-agent-memory.

Production RAG-пайплайны, которые обходят наивный cosine-similarity baseline: гибридный 6-tier retrieval (FTS5/BM25 + embeddings + fuzzy + graph + cross-encoder + MMR), chunking с уважением к семантике, evaluation против LongMemEval-style сетов. Та же архитектура, что в total-agent-memory.

Бесплатный звонок, 20 минут → Заказать или написать

Что получаете

Векторные хранилища: pgvector (Postgres-native), Qdrant, FAISS — под масштаб и ops-модель.
Гибридный retrieval: BM25 + dense + sparse + reranker (BGE-v2-m3 / Cohere / cross-encoder).
Ingestion-пайплайн: парсеры по форматам, semantic chunking, переиспользование embeddings, dedup.
Evaluation: LongMemEval / LoCoMo / ваш golden-set, R@K + nDCG отслеживаются во времени.
Поверх — слой knowledge graph: сущности, связи, временные факты (Allen algebra).

Стек

pgvector
Qdrant
BGE / Cohere
Hybrid retrieval
Eval harness
MCP

Процесс

Email или 20-минутный звонок → письменное предложение → контракт → ship.