Поиск

Находить сведения и помогать аудитории обнаруживать материалы, включая поиск по сайту и SEO.

Все материалы по теме

Сначала новые публикации. Статьи, руководства и записи блога — в одном списке.

Найдено 62 из 62 · показаны 37–48

Статья11 мая 2026

Сайт как рабочий контур: почему pimenov.ai уже не просто портфолио

Как pimenov.ai эволюционировал из портфолио в рабочую систему с поиском, графом, Notion, Directus и Codex — и когда вам стоит делать то же самое.

Статья10 мая 2026

Почему и как я снёс pimenov.ru с Тильды и собрал заново с Codex на своей системе

Живая история о том, как раздражение от Тильды превратилось в авторскую систему публикаций с Notion, Codex, SEO-миграцией и дизайн-гейтами.

Блог9 мая 2026

gpt-image-2 сначала ищет, потом рисует — можно больше не описывать каждую деталь

У gpt-image-2 есть скрытый слой «размышления»: модель исследует тему в вебе перед генерацией картинки, и достаточно указать объект и стиль.

РуководствоОбновлено 7 сентября 2026

Semantic snapshot и TF-IDF — как искать смысловые связи без LLM и embeddings

Простыми словами про TF-IDF и semantic snapshot: как построить «kарту смыслов» для корпуса текстов без LLM и векторных embeddings, и как это живёт рядом с ручными тегами и графом сайта.

Блог23 апреля 2026

Gemini Embedding 2 вышел — и мультимодальный поиск стал на шаг ближе к продакшену

Google перевёл Gemini Embedding 2 из превью в GA. Теперь текст, картинки, видео и аудио живут в одном векторном пространстве — и это можно использовать в продакшене.

Статья21 апреля 2026

Как обратная связь превратила pimenov.ai в сайт с поиском и графом

История о том, как два внешних сигнала — замечание после консультации и комментарий в Facebook — сначала заставили меня сделать поиск по pimenov.ai, а потом привели к появлению графа связей, который начал связывать статьи, блог, базу знаний и сервисные страницы в один контур.

РуководствоОбновлено 5 сентября 2026

EmbeddingGemma (Gemma 3) — компактная embedding-модель от Google для on-device RAG

Открытая embedding-модель от Google на базе Gemma 3: 308M параметров, 100+ языков, контекст 2048 токенов, 768-мерные векторы с MRL-усечением до 128. Работает на 200 МБ RAM, считает эмбеддинг на CPU за десятки миллисекунд. Когда брать вместо BGE-M3, как поднять локально и во что упереться.