Birou de traduceri din Chișinău
Arhiva bilingvă română și rusă devine căutabilă pe sens, nu doar pe cuvinte. Traducătorii găsesc formulările folosite anterior pentru același client, cu citare exactă a documentului sursă și a datei.
Bază de date vectorială Qdrant în Moldova
Servicii DevOps · RAG și vectori · Moldova
Documentele rămân în UE, la Frankfurt
Bază de date vectorială administrată în Moldova, cu Qdrant sau ChromaDB, pentru echipele care vor un asistent care răspunde din documentele lor. Construim pipeline-ul de embeddings, indexul vectorial și căutarea hibridă, pe servere din Frankfurt. Documentele nu părăsesc Uniunea Europeană, iar la nevoie rulăm modelul de embeddings local, pe server GPU.
- Qdrant sau ChromaDB, ales după volum și buget
- Embeddings locale pe server GPU, dacă vrei
- VPS 1–8 h · dedicate 5–10 h (în funcție de plan), GPU 10 hOre incluse lunar
- Frankfurt (UE)Datacentere
- latență redusă din FrankfurtLatență din Moldova
- română și rusăSuport
De la documente la răspunsuri: ce construim
Pornim din locul în care stau documentele: un share de fișiere, un site, o arhivă de contracte, un sistem de tichete. Le tăiem în fragmente cu suprapunere controlată, generăm embeddings și le scriem în Qdrant sau ChromaDB, cu metadate care spun de unde vine fiecare fragment. Peste index punem căutare hibridă, care combină similaritatea vectorială cu potrivirea pe cuvinte, pentru că numele proprii și codurile de produs se caută mai bine literal. Aplicația primește un endpoint simplu, cu citări către sursă.
- Fragmentare și metadate pentru citarea sursei
- Căutare hibridă: vectorial plus potrivire lexicală
- Endpoint propriu, cu chei API separate per aplicație
Bune practici pe care le aplicăm pe indexul vectorial
Un index vectorial pare simplu până la prima întrebare la care răspunde greșit cu deplină încredere. De aceea tratăm calitatea retrievalului ca pe o problemă de inginerie, cu set de întrebări de control și măsurători repetate, nu ca pe o impresie. La fel de important, un index conține fragmente din documente reale, deci este date personale până la proba contrarie. Practicile de mai jos intră implicit în livrare și se reverifică la fiecare intervenție din orele incluse.
- Acces doar pe rețeaua privată, cu chei API separate și rotite
- Snapshoturi periodice ale colecțiilor, cu restaurare testată
- Cuantizare a vectorilor pentru a reduce memoria și costul
- Filtrare pe metadate, ca fiecare utilizator să vadă doar ce are drept
- Set de întrebări de control pentru evaluarea calității și tratarea datelor personale
Rezidența datelor conteaza mai mult decât modelul
Multe firme din Moldova amână un asistent AI dintr-un motiv întemeiat: nu vor să trimită contracte sau fișe de clienți la un furnizor din afara Uniunii Europene. Aici împărțim clar lucrurile. Indexul, fragmentele și metadatele stau la Frankfurt, cu contract de prelucrare conform art. 28 și clauze contractuale standard. Pentru prelucrările din țară rămâne aplicabilă Legea nr. 195/2024, cu CNPDCP ca autoritate de referință. Dacă nici modelul nu trebuie să iasă, rulăm embeddings și generare pe server GPU propriu.
Cum se leagă de planuri și de orele incluse
Un index mic încape pe un VPS; volumele mari și modelele locale cer server dedicat sau GPU. Cererile se deschid din panoul de client, la secțiunea Servicii DevOps, cu termenul propus de tine. Planurile de VPS includ între una și opt ore lunar, iar serverele dedicate între cinci și zece ore, în funcție de plan, și cele GPU zece ore. Aici orele se duc în reindexări după schimbarea modelului, reglarea parametrilor de căutare, cuantizare și evaluări de calitate. Orele nu se reportează, iar depășirile se facturează separat, la oră.
Orele de DevOps, CyberSecurity și Programare sunt incluse în abonament, lună de lună: 1 h de la planul cPanel Advanced în sus, 1–8 h pe VPS și 5–10 h pe serverele dedicate, în funcție de plan, și 10 h pe GPU. Le ceri din panoul de client și propui termenul; cota expiră la sfârșitul lunii calendaristice, iar lucrul de peste cotă se acceptă și se facturează separat, în euro, cu TVA 20 % și factură SFS. Cu abonamentele care includ minimum 2 ore lunare îți construim un site de prezentare, iar cu cele care includ minimum 5 ore, un magazin online — din orele deja plătite în abonament.
Cazuri de utilizare
Casă de avocatură cu bază de contracte
Modelele de contracte și opiniile juridice se indexează cu metadate pe client, tip de act și an. Filtrarea pe metadate garantează că un jurist vede numai dosarele la care are drept de acces.
Furnizor de suport tehnic pentru rezidenți Moldova IT Park
Documentația internă și istoricul de tichete alimentează un asistent care propune răspunsuri cu citări. Operatorii răspund mai repede pe schimbul de noapte, iar cazurile neclare merg în continuare la om.
Cum lucrăm
Ne arăți sursele de documente
Din panou, la Servicii DevOps, ne spui unde stau documentele, în ce limbi sunt, cât de des se schimbă și ce termen ai în minte.
Alegem motorul și modelul
Decidem între Qdrant, ChromaDB și pgvector în funcție de volum, apoi alegem modelul de embeddings, cu opțiunea de a-l rula local pe GPU.
Indexăm și evaluăm
Construim pipeline-ul de ingestie, indexăm documentele, activăm căutarea hibridă și măsurăm calitatea răspunsurilor pe un set de întrebări de control.
Predăm cu documentație
Primești endpointul cu chei API, schema metadatelor, procedura de reindexare, snapshoturile configurate și raportul evaluării de retrieval.
Tehnologii
- Qdrant
- ChromaDB
- pgvector
- sentence-transformers
- LangChain
- FastAPI
- Ollama
- NVIDIA RTX PRO 4000
Întrebări frecvente
Qdrant sau Chroma: care e mai bun pentru RAG?
ChromaDB este cel mai rapid de pornit și potrivit pentru prototipuri sau indexuri mici. Qdrant este alegerea pentru producție: filtrare pe metadate mai puternică, cuantizare, snapshoturi și comportament predictibil la volume mari. Începem des în Chroma și migrăm în Qdrant când colecția și cerințele cresc.
Ce este o bază de date vectorială?
Este o bază de date care stochează texte, imagini sau documente transformate în liste de numere, numite embeddings, și le caută după apropierea de sens, nu după potrivirea de caractere. Așa poți întreba în limbaj natural și primești fragmentele relevante, chiar dacă nu ai folosit exact aceleași cuvinte.
Pot ține datele RAG în UE fără să ajungă la un furnizor din SUA?
Da. Indexul, fragmentele și metadatele stau la Frankfurt, cu contract de prelucrare conform art. 28 și clauze contractuale standard. Dacă nici modelul nu trebuie să iasă din infrastructura ta, rulăm embeddings și generarea local, pe server GPU, fără apel către un serviciu extern.
pgvector sau Qdrant?
Dacă ai deja PostgreSQL și câteva zeci de mii de fragmente, pgvector îți economisește un serviciu întreg și rămâne în același backup. Când treci de câteva sute de mii de vectori, ai nevoie de filtrare complexă pe metadate sau de cuantizare, un motor dedicat precum Qdrant devine mai eficient.
Am nevoie de server GPU pentru embeddings?
Nu obligatoriu. Pentru volume mici, embeddings prin API sau pe CPU sunt suficiente. GPU devine util la reindexări mari, la modele multilingve mai grele sau când vrei ca datele să nu iasă din infrastructura proprie. Planurile GPU includ zece ore de DevOps lunar.
Cum știu dacă răspunsurile asistentului sunt corecte?
Construim un set de întrebări de control cu răspunsuri așteptate și măsurăm de câte ori fragmentul corect apare în rezultate. Reevaluăm după fiecare schimbare de model sau de parametri. În plus, fiecare răspuns citează sursa, deci un om poate verifica imediat de unde vine informația.
Îți construim indexul vectorial în UE
Spune-ne ce documente ai și în ce limbi. Îți propunem motorul, modelul de embeddings și planul potrivit, cu datele păstrate la Frankfurt.