Veri & Altyapı
Self-Querying Retriever: LLM ile Doğal Dilden SQL/Metadata Filtreleri Üretme
Kullanıcı '2024 sonrası çıkan 1000 TL altı kulaklıkları listele' dediğinde, LLM'in bu sorguyu hem anlamsal aramaya hem de metadata filtrelerine dönüştürmesi.
Dinamik Filtre Çıkarımı
Self-query mantığında model tek bir prompt ile: 1. Arama Metni ('kulaklık'), 2. Filtre ('year >= 2024 AND price < 1000') üretir ve veritabanına hedefe yönelik sorgu atar.
İlgili Teknik Rehberler
Bu mimariyle bağlantılı diğer üretim odaklı rehber ve vaka analizlerini inceleyin:
Kazınan Veriyi PostgreSQL ve Supabase'e Aktarma: Güvenilir Data Pipeline Mimarisi
Toplanan ham verileri Pydantic ile doğrulama, tekrar eden kayıtları (deduplication) ayıklama ve toplu (batch) upsert ile veritabanına aktarma.
Supabase pgvector Rehberi: PostgreSQL ile Vektör Arama ve Benzerlik Sorguları
Ayrı bir vektör veritabanı satın almadan PostgreSQL ve pgvector eklentisi ile HNSW indeksleri ve kosinüs benzerliği (cosine distance) sorgulama rehberi.
Hibrit Arama (Hybrid Search): BM25 Anahtar Kelime ve Semantik Vektör Aramasını Birleştirme
Vektör aramasının kısaltmalar ve tam eşleşmelerdeki (Örn: Hata kodları, ürün SKU) zayıflıklarını BM25 anahtar kelime araması ve RRF ile çözme mimarisi.