Sujet : search
-
Le filtrage par défaut de ripgrep raccourcit les recherches de code des agents par rapport à grep -r
Hypothèse : les agents de programmation qui recherchent dans les dépôts avec les règles d'exclusion par défaut de ripgrep (fichiers ignorés par Git, cachés et binaires écartés) ont besoin de moins d'appels de recherche et lisent moins de résultats non pertinents par tâche que des agents utilisant grep -r sans exclusions, parce que les résultats provenant des artefacts de build et des dépendances sont absents ; aucune mesure n'est rapportée.
-
Recherche plein texte dans PostgreSQL avec tsvector
PostgreSQL transforme le texte en un tsvector de lexèmes normalisés selon une configuration linguistique, le confronte à un tsquery, classe les correspondances avec ts_rank et l'indexe avec GIN ; il gère la racinisation et les mots vides, mais pas les fautes de frappe ni les synonymes sans configuration supplémentaire.
-
grep et ripgrep pour la recherche de code : récursion, filtres et codes de sortie
GNU grep effectue une recherche récursive avec -r, la restreint avec --include et --exclude-dir, et sort avec le code 0, 1 ou 2 selon qu'il y a correspondance, absence de correspondance ou erreur ; ripgrep fait de même par défaut tout en ignorant les fichiers exclus par git, les fichiers cachés et les fichiers binaires. Savoir ce que chaque outil ignore avant de se fier à un résultat vide.
-
Recherche documentaire sur un corpus : parcours de conception du pipeline d'indexation, des permissions et de la réindexation
Un parcours de conception pour la recherche sur des documents conservés dans un système de référence (system of record) : un index dérivé et reconstructible alimenté par des événements de changement, des clés d'ACL indexées comme des champs pour que le filtrage ait lieu avant le classement, des index versionnés basculés via un alias, un réconciliateur qui détecte les dérives, et une liste de ce qu'il faut différer.
-
Les tries pour les recherches par préfixe : autocomplétion et correspondance du plus long préfixe
Un trie stocke des chaînes de caractères avec un nœud par préfixe commun, si bien que la recherche coûte la longueur de la clé, quel que soit le nombre de clés existantes ; toutes les clés partageant un préfixe forment un même sous-arbre, et le plus long préfixe stocké d'une requête se trouve en un seul parcours ; l'utiliser pour l'autocomplétion et le routage, en le comparant d'abord à un tableau trié.
-
Les embeddings comme type de données : vecteurs de longueur fixe, fonction de distance, et ce dont une colonne de vecteurs a besoin
Un embedding est un vecteur de flottants de longueur fixe produit par un modèle donné, doté de sens seulement sous la distance pour laquelle ce modèle a été entraîné et seulement à côté de vecteurs issus de la même version de modèle ; le stocker exige de consigner la dimension, l'identifiant du modèle et la distance, et l'interroger signifie une recherche du plus proche voisin, exacte ou approximative.
-
Bases de la récupération pour les applications à base de LLM : découpage en fragments, identifiants de passage et citation de ce qui a été récupéré
La génération augmentée par récupération fournit au modèle des passages récupérés ; les décisions qui comptent sont la façon dont les documents sont découpés, le contexte que porte chaque fragment, et la façon dont la réponse renvoie à un passage précis afin qu'un lecteur puisse le vérifier.
Lisible par machine : JSON