# Embeddings și bază vectorială, cu modele testate în română | e-data > Embeddings și baza vectorială pe care stau căutarea semantică, asistenții RAG și recomandările. Modele testate pe datele voastre, pe serverele firmei. Adresa: https://www.e-data.ro/servicii/embeddings-vector-db # Baza de cunoștințe pe care o caută AI-ul. Construită pe sens. Căutarea semantică, asistenții cu RAG și recomandările stau pe același strat: texte transformate în vectori și o bază care îi găsește repede. Alegem modelul potrivit limbii și domeniului vostru și construim baza pe serverele firmei. [Cere o evaluare gratuită](https://www.e-data.ro/contact?serviciu=embeddings-vector-db#formular) [Vezi harta sensurilor](#harta) - Modele testate pe datele voastre - Index mereu la zi - Rulat pe serverul firmei 1. **Textele voastre** Documente, produse, tichete. 2. **Modelul de embedding** Citește sensul fiecărei fraze. 3. **Devin vectori** Sens apropiat, puncte apropiate. 4. **Într-o bază vectorială** Indexată pentru viteză. 5. **Găsite după sens** În milisecunde, pe serverul vostru. ## Pe scurt e-data construiește stratul de embeddings și baza vectorială pe care stau căutarea semantică, asistenții RAG și recomandările: alege modelul de embedding testându-l pe textele voastre în română, reglează indexul pentru volumul real și îl ține la zi automat. Totul rulează pe serverele firmei, cu preț fix după evaluarea gratuită. - **Pentru cine:** Firme care construiesc căutare semantică, RAG sau recomandări peste textele lor - **Ce primești:** Model de embedding ales prin test, bază vectorială, index reglat și actualizat automat - **Tehnologii:** Modele open-source; extensie pe baza de date existentă sau bază vectorială dedicată - **Unde rulează:** Pe serverele firmei; textele nu sunt trimise către servicii externe - **Preț:** Fix, în scris, după evaluarea gratuită ## Fundația pe care nu o vede nimeni Când un asistent AI răspunde prost, de vină e rar modelul care scrie. De cele mai multe ori a primit documentele greșite, pentru că stratul de dedesubt nu a găsit ce trebuia. 1**Un model generic nu vă știe domeniul** Modelele de embedding învățate mai ales pe engleză confundă termenii de specialitate și ratează româna scrisă fără diacritice. Tot ce se construiește deasupra moștenește greșeala. 2**Merge la o mie, cade la un milion** Un prototip cu câteva sute de documente răspunde instant. La milioane de fragmente, o bază aleasă sau indexată greșit devine lentă și mănâncă toată memoria. 3**Indexul rămâne în urmă** Documentele noi nu intră singure, cele șterse încă apar în rezultate. Cineva reface indexul de mână, când își aduce aminte. ## Harta sensurilor Fiecare punct e o frază scrisă de un client. Frazele cu sens apropiat stau aproape, chiar dacă nu au niciun cuvânt în comun. Alege o întrebare și vezi ce găsește. Când ajunge comanda mea? Se poate plăti în rate? Vreau banii înapoi Telefonul s-a defectat Cei mai apropiați vecini 1. _1_**„Unde e pachetul meu?”** Livrare _0,06_ 2. _2_**„Coletul nu a sosit încă”** Livrare _0,06_ 3. _3_**„În cât timp livrați?”** Livrare _0,09_ Cei mai apropiați vecini 1. _1_**„Aveți plata în rate?”** Plăți _0,07_ 2. _2_**„Card debitat de două ori”** Plăți _0,09_ 3. _3_**„Plata cu cardul a eșuat”** Plăți _0,09_ Cei mai apropiați vecini 1. _1_**„Produs primit greșit”** Retururi _0,17_ 2. _2_**„Rambursarea nu a ajuns pe card”** Plăți _0,19_ 3. _3_**„Cum trimit coletul înapoi?”** Retururi _0,21_ Cei mai apropiați vecini 1. _1_**„Nu mai pornește deloc”** Garanție _0,04_ 2. _2_**„S-a stricat după o lună”** Garanție _0,09_ 3. _3_**„Unde îl duc la reparat?”** Garanție _0,11_ Punctul negru e întrebarea aleasă, cifrele sunt vecinii ei. Distanța mică înseamnă sens apropiat. Niciuna dintre frazele găsite nu conține cuvintele din întrebare. Exemplu Hartă simplificată și ilustrativă. Vectorii reali au sute de dimensiuni; aici sunt proiectați pe două, ca să se poată vedea. Distanțele sunt calculate pe hartă. ## Ce construim Tot stratul dintre documentele voastre și aplicația care le caută, instalat și reglat pe serverul firmei. **Modelul de embedding potrivit** Testăm câteva modele open-source pe întrebările voastre, în română, și îl alegem pe cel care găsește cel mai bine. **Fragmentarea documentelor** Cât de mari sunt bucățile de text și unde se taie contează mult. Păstrăm titlurile și contextul fiecărui fragment. **Baza vectorială** Aleasă după volum: extensie pe baza de date existentă pentru volume mici, bază dedicată pentru milioane de vectori. **Indexul reglat** Echilibrăm viteza, memoria și precizia pentru volumul vostru real, nu pentru o demonstrație. **Actualizare automată** Documentele noi, modificate sau șterse ajung în index singure, fără reconstrucție de mână. **Filtre și permisiuni** Fiecare vector poartă sursa, data și cine are voie să-l vadă. Căutarea le respectă pe toate. ## Modelul se alege pe datele voastre, nu după clasamente Un clasament public măsoară alte texte, de cele mai multe ori în engleză. Noi punem câteva modele să caute în documentele voastre, cu întrebările voastre, și comparăm. **Din 100 de întrebări reale, de câte ori documentul corect e în primele 5** Exemplu | Model | Găsite | Viteză | Memorie | | ------------------------------------- | ------ | ------------ | ------- | | Model A, multilingv, mic | 71 | foarte rapid | mică | | Model B, multilingv, mare_ales_ | 86 | rapid | medie | | Model C, antrenat mai ales pe engleză | 58 | rapid | medie | ## La scară, alegi un echilibru Viteză, memorie și precizie trag în direcții diferite. Nu vă promitem toate trei la maximum. Vă arătăm unde e echilibrul potrivit pentru volumul vostru. - **Viteză:** Un index aproximativ răspunde în milisecunde chiar la volume mari, dar găsește aproape mereu, nu mereu, cei mai apropiați vecini. - **Memorie:** Vectorii pot fi comprimați ca să încapă pe server. Câștigi spațiu, pierzi puțin din precizie. - **Precizie:** O căutare exactă nu ratează nimic, dar devine lentă la volum mare. Reglăm cât de aproape de ea vreți să fiți. ## Ce se construiește deasupra Același strat, folosit de mai multe aplicații. Îl faci o dată, bine, și îl refolosești. - [**Căutare semantică** În site, în intranet sau în arhivă.](https://www.e-data.ro/servicii/rag-cautare-semantica) - [**Aplicații RAG** Răspunsuri scrise, cu sursa lângă ele.](https://www.e-data.ro/servicii/aplicatii-rag) - [**Asistenți interni** Colegii întreabă firma și primesc răspuns.](https://www.e-data.ro/servicii/asistenti-interni) - [**Asistent pentru documente** Întrebi un contract, îți arată clauza.](https://www.e-data.ro/servicii/asistent-documente) ## De la texte la un index gata de folosit 1. 1**Evaluare gratuită** Ce texte avem, câte sunt, cât de des se schimbă și ce vreți să construiți peste ele. 2. 2**Test de modele** Câteva modele, rulate pe întrebările voastre, cu rezultatele puse unul lângă altul. 3. 3**Baza și indexul** Instalate pe serverul vostru și reglate pentru volumul real. 4. 4**Actualizare și predare** Fluxul care ține indexul la zi, plus documentația cu ce am ales și de ce. ## Întrebări frecvente Ce e un embedding, pe scurt? O listă de numere care descrie sensul unui text. Texte cu înțeles apropiat primesc liste apropiate, chiar dacă nu au niciun cuvânt în comun. Pe asta se bazează căutarea după sens. De ce ne trebuie o bază vectorială? Ca să găsească rapid cei mai apropiați vectori printre milioane. O bază de date obișnuită nu e făcută pentru asta. Pentru volume mici, o extensie pe baza de date pe care o aveți deja e de multe ori suficientă, și atunci nu adăugăm nimic în plus. Ce model de embedding folosiți? Nu există unul potrivit pentru orice. Testăm câteva modele open-source pe textele și întrebările voastre, inclusiv în română, și îl alegem pe cel cu cele mai bune rezultate la viteza de care aveți nevoie. E doar pentru RAG și chatboți? Nu. Același strat susține căutarea din site, recomandări de produse asemănătoare, găsirea documentelor duplicate și gruparea tichetelor după subiect. Datele pleacă undeva ca să fie transformate în vectori? Nu. Modelul de embedding și baza vectorială rulează pe serverele firmei. Textele nu sunt trimise către niciun serviciu extern. Cât costă? Depinde de volum, de câte surse sunt și de cât de des se schimbă. După evaluarea gratuită primiți un preț fix, în scris. ## O fundație bună face restul ușor. Spuneți-ne ce texte aveți și ce vreți să construiți peste ele. La evaluarea gratuită vă spunem ce model și ce bază s-ar potrivi. [Cere o evaluare gratuită](https://www.e-data.ro/contact?serviciu=embeddings-vector-db#formular) [Sună-ne: 0750 214 446](tel:+40750214446) ## Servicii înrudite - [**RAG și căutare semantică** Cauți după sens, nu după cuvinte](https://www.e-data.ro/servicii/rag-cautare-semantica) - [**Aplicații RAG** Întrebări în limbaj natural peste documentele tale](https://www.e-data.ro/servicii/aplicatii-rag) - [**Sisteme de recomandare** Produsul potrivit, clientului potrivit](https://www.e-data.ro/servicii/sisteme-recomandare) - [**Colectare și ingestie** Date adunate automat din toate sursele](https://www.e-data.ro/servicii/colectare-ingestie) --- Sursa: e-data (E-DATA S.R.L.), https://www.e-data.ro/servicii/embeddings-vector-db. Contact: contact@e-data.ro, 0750 214 446.