Объяснение стратегий разделения RAG: фиксированное, перекрытие, предложение, рекурсивное и заголовки, измеренное
Стратегии разделения RAG определяют, как документы разбиваются на части перед их внедрением и извлечением. Мы разделили один и тот же политический документ на пять частей и измерили, что нарушает каждый метод: факты разрезаны пополам, заголовки отделены от их текста и сохранены дополнительные токены.
- Стратегии разделения RAG сочетают простоту с сохранением смысла. Ни один метод не выиграл по всем показателям в нашем тесте.
- Обычные куски фиксированного размера по 100 токенов сокращают вдвое один из восьми ключевых фактов: «Возврат средств осуществляется в течение | 5 рабочих дней».
- 20 токенов перекрытия спасли этот факт, но сохранили 545 токенов вместо 445, что примерно на 22% больше.
- Рекурсивное разделение сохранило каждое предложение целиком, но оставило 4 из 6 фрагментов, заканчивающихся заголовком раздела next.
Генерация с расширенным поиском (RAG) работает путем поиска наиболее релевантных частей ваших документов и передачи их языковой модели. Эти части представляют собой куски, и от того, как вы их незаметно разрежете, зависит, что модель когда-либо сможет увидеть. Факт, разделенный на две части, никогда не может быть получен целиком. Заголовок, отрезанный от абзаца, делает фрагмент неоднозначным. Выбор одной из стратегий разбиения на фрагменты RAG — один из самых дешевых способов улучшить качество ответов.
Мы реализовали пять общих стратегий в Python 3.13 и подсчитали токены с помощью OpenAI tiktoken 0.14.0, используя кодировку o200k_base. Каждое число ниже взято из этого прогона. Если сам RAG для вас новичок, сначала прочтите наше руководство по RAG.
Что такое фрагментирование в RAG?
Разбиение на части – это этап, на котором исходные документы разбиваются на более мелкие фрагменты, прежде чем они будут преобразованы в вложения и сохранены в векторной базе данных. Во время вопроса система встраивает вопрос, находит ближайшие фрагменты и вставляет их в подсказку. Каждый фрагмент извлекается или игнорируется как единое целое.
Чанки должны быть достаточно маленькими, чтобы быть конкретными и помещать несколько в контекстное окно модели, и достаточно большими, чтобы нести полную мысль. Каждая стратегия — это отдельный ответ на вопрос, куда следует пойти сокращения.
Почему дробление имеет значение
- Точность извлечения: фрагмент, смешивающий две темы, соответствует вопросам по обеим, но не дает ни одного хорошего ответа.
- Полнота: если правило и его исключение находятся в разных частях, модель может видеть только половину правила.
- Стоимость: перекрытие и большие фрагменты означают, что нужно встроить, сохранить и отправить в модель больше токенов.
- Цитаты: чистые фрагменты аккуратно сопоставляются с разделом, что упрощает проверку ответов.
Наша тестовая установка
Мы написали клиентскую политику для вымышленного интернет-магазина из 368 слов с пятью разделами Markdown («Возврат», «Доставка», «Гарантия», «Счета» и «Платежи») по два абзаца в каждом. Вышло 445 токенов. Мы выбрали восемь фактов, на которые бот службы поддержки должен правильно ответить, например «вернуть большинство товаров в течение 30 дней» и «до 10 000 рупий» при наложенном платеже.
Каждая стратегия использовала цель в 100 токенов на фрагмент, что достаточно мало, чтобы сократить короткий документ. Для каждого результата мы измерили:
- Чанки, а также средний и максимальный размер в токенах.
- Сохраненные токены, общая сумма по всем фрагментам, показывающая стоимость перекрытия.
- Вырезать в середине предложения: фрагменты, которые заканчиваются в середине предложения.
- Сиротский заголовок: фрагменты, заканчивающиеся заголовком, текст которого находится в следующем фрагменте.
- Факты нетронуты: сколько из восьми фактов кажутся целыми хотя бы в одном фрагменте.
1. Чанки фиксированного размера
Самый простой метод считает токены и отсекает каждые N токенов, где бы они ни попадали:
def fixed(size, overlap=0):
ids = enc.encode(doc)
step = size - overlap
out = []
for i in range(0, len(ids), step):
out.append(enc.decode(ids[i:i + size]))
if i + size >= len(ids):
break
return out
Он создал 5 фрагментов без лишних токенов, но 3 из них заканчивались на середине предложения, а один заканчивался сиротским заголовком. Хуже того, один факт был разделен пополам:
chunk 1 ends: "... print the prepaid label. Refunds are issued within"
chunk 2 starts: " 5 business days after the warehouse receives and checks the"
Вопрос о сроках возврата может привести к получению фрагмента 1, который вообще не содержит номера. Разбиение на фрагменты фиксированного размера происходит быстро и предсказуемо, что делает его прекрасным базовым вариантом, но оно полностью игнорирует язык.
2. Фиксированный размер с перекрытием
При перекрытии последние несколько токенов каждого фрагмента повторяются в начале следующего, поэтому текст рядом с вырезом появляется в обоих. Мы использовали 20 токенов, перекрытие 20%. Все восемь фактов теперь где-то остались нетронутыми, а факт возврата был спасен. Стоимость: 6 фрагментов и 545 сохраненных токенов вместо 445. Сокращения по-прежнему происходят в середине предложения, на этот раз пять раз, а дублирующийся текст может привести к тому, что два почти идентичных фрагмента вытеснят другие результаты. Перекрытие — это заплатка от произвольных порезов, а не лекарство.
3. Упаковка предложений
Этот метод разбивает текст на предложения, а затем упаковывает целые предложения в каждый фрагмент до тех пор, пока следующее не превысит лимит:
def sentence_pack(size):
sents = [s for p in doc.split("\n\n") for s in sent_split(p) if s]
out, cur = [], ""
for s in sents:
if cur and T(cur + " " + s) > size:
out.append(cur)
cur = s
else:
cur = (cur + " " + s).strip()
return out + [cur]
Он создал 5 фрагментов, без сокращений в середине предложения, все восемь фактов остались нетронутыми, с 440 сохраненными токенами. Два фрагмента по-прежнему заканчивались пустым заголовком, поскольку строка заголовка выглядит как еще одно короткое предложение. Разделение предложений с помощью регулярных выражений также натыкается на такие сокращения, как «например»; библиотеки, такие как spaCy или NLTK, делают это лучше.
4. Рекурсивное расщепление
Рекурсивное разделение, ставшее популярным благодаря таким платформам, как LangChain, сначала пробует использовать самый большой естественный разделитель (пустые строки между абзацами) и возвращается к более мелким (разрывы строк, предложения, слова) только для фрагментов, которые все еще слишком велики. Наша собственная реализация следовала той же идее.
Каждое предложение было сохранено целиком, а все восемь фактов сохранены в неизменном виде, в среднем с наименьшими фрагментами (74 токена). Но обнаружился небольшой недостаток: 4 из 6 фрагментов заканчивались заголовком следующего раздела. Например, один фрагмент заканчивался словами «…проверяет посылку. ## Доставка», а правила доставки находились в следующем фрагменте. Заголовок прикреплен к неправильному тексту, что может привести к ошибочному поиску вопросов, в которых упоминается «доставка».
Совет: всегда распечатывайте образцы своих фрагментов и читайте их. Наша проблема с потерянными заголовками была незаметна в средних значениях и очевидна после прочтения шести фрагментов.
5. Фрагменты на основе заголовков
Структурированные документы имеют свои собственные границы. Разделение на заголовки Markdown давало по одному фрагменту на раздел: 5 фрагментов, без сокращений в середине предложения, без потерянных заголовков и все факты нетронутыми. Каждый фрагмент начинается со своего заголовка, что дает полезный контекст для встраивания.
Загвоздка в контроле размера. Один раздел достиг 113 токенов, что превышает нашу цель в 100 токенов, а в реальных документах разделы варьируются от строки до нескольких страниц. На практике вы комбинируете методы: сначала разбиваете по заголовкам, затем применяете рекурсивное разделение или разделение предложений внутри любого слишком большого раздела и повторяете заголовок вверху каждого фрагмента.
Сравнение стратегий разделения RAG
| Стратегия | куски | Среднее/максимальное количество токенов | Сохраненные токены | Вырезать в середине предложения | Сиротский заголовок | Факты нетронуты |
|---|---|---|---|---|---|---|
| Исправлено 100 | 5 | 89 / 100 | 445 | 3 | 1 | 7 из 8 |
| Исправлено перекрытие 100 + 20. | 6 | 91 / 100 | 545 | 5 | 0 | 8 из 8 |
| Упаковка предложений | 5 | 88 / 100 | 440 | 0 | 2 | 8 из 8 |
| Рекурсивный | 6 | 74 / 84 | 441 | 0 | 4 | 8 из 8 |
| По заголовку | 5 | 89 / 113 | 445 | 0 | 0 | 8 из 8 |
Это один короткий документ, поэтому воспринимайте таблицу как иллюстрацию режимов отказов, а не как эталон. Эта закономерность все еще поучительна: чем больше метод уважает собственную структуру документа, тем меньше нарушающих смысл сокращений он делает.
А как насчет семантического фрагментирования?
Семантическое разбиение на фрагменты встраивает каждое предложение и начинает новый фрагмент, в котором значение меняется, измеряемое снижением сходства между соседними предложениями. Ему не нужны заголовки, и он может следовать за изменениями тем простым текстом. Это также требует встраивания вызова на предложение, и опубликованные сравнения расходятся во мнениях относительно того, превосходит ли он более простые методы после измерения всего конвейера RAG. Мы не запускали его здесь. Пробуйте его только после определения базового уровня с учетом структуры и сохраняйте его только в том случае, если ваша собственная оценка покажет выигрыш.
Как выбрать размер чанка и перекрытие
- Начните со структуры. Разделите документ по заголовкам или разделам, если они существуют.
- Ограничьте размер. Обычно начальный диапазон составляет несколько сотен токенов на блок, примерно от 200 до 500, затем настраивайтесь.
- Предпочитайте четкие границы, а не перекрытие. Добавляйте перекрытие на 10–20% только в том случае, если факты по-прежнему не совпадают.
- Прикрепите метаданные. Сохраните заголовок, заголовок раздела и URL-адрес источника для каждого фрагмента для фильтрации и цитирования.
- Оцените извлечение. Напишите от 20 до 50 реальных вопросов с известными ответами и проверьте, занимает ли правильный фрагмент место в топе результатов. Меняйте одну настройку за раз.
- Правильно подсчитайте токены с помощью токенизатора, который используют ваши модели, как описано в нашем Руководстве по токенам LLM.
Храните фрагменты в базе данных, которая поддерживает фильтры метаданных, как описано в нашем руководстве по векторной базе данных.
Итоги
Стратегии разбиения на фрагменты RAG — это то место, где начинаются многие проблемы с извлечением данных и где их проще всего устранить. Наш тест показал типичный провал каждого метода: фиксированный размер сокращает факты пополам, перекрытие затрат на хранение, упаковка предложений и рекурсивное разделение могут привести к сбою в заголовках, а фрагментам на основе заголовков требуется ограничение размера. Начните со структуры ваших документов, вернитесь к разделению с учетом предложений, прочитайте свои фрагменты и позвольте небольшому набору оценок решить все остальное.
Часто задаваемые вопросы
Какова лучшая стратегия фрагментации для RAG?
Не существует универсального лучшего. Для структурированных документов разделение по заголовкам, а затем ограничение по размеру с помощью рекурсивного разделения или разделения предложений. Подтвердите свой выбор с помощью собственных поисковых тестов.
Какой размер чанка мне следует использовать для RAG?
Обычной отправной точкой является несколько сотен токенов, часто от 200 до 500. Меньшие фрагменты более точны, более крупные несут больше контекста; настройтесь на реальные вопросы.
Помогает ли перекрытие кусков?
Это может спасти факты, находящиеся между собой. В нашем тесте 20 токенов перекрытия сохранили все восемь фактов нетронутыми, но сохранили примерно на 22% больше токенов и все же сократили предложения.
Что такое рекурсивное фрагментирование?
Сначала он разбивается по самому большому разделителю, например пустым строкам, и использует только меньшие разделители, такие как предложения или слова, для фрагментов, которые все еще слишком велики.
Является ли семантическое фрагментирование лучше, чем фрагментирование фиксированного размера?
Не надежно. Он следует за изменениями в темах, но требует дополнительных вызовов для внедрения, а опубликованные результаты неоднозначны. Сравните его с более простым базовым показателем на основе ваших собственных данных.
Продолжайте учиться
Нужна помощь с тестированием, WordPress или SEO?
Мы помогаем командам выпускать лучшее программное обеспечение и развивать свои сайты. Расскажите нам, над чем вы работаете, и мы предложим четкий следующий шаг.
Больше руководств по тестирование, искусственный интеллект и современные разработки
Понравилась эта статья? Выберите тему и сразу приступайте к нашим новейшим руководствам.
Объяснение стратегий разделения RAG: фиксированное, перекрытие, предложение, рекурсивное и заголовки, измеренное
Стратегии фрагментирования RAG в одном документе с tiktoken 0,14: фиксированный размер, перекрытие, упаковка предложений, рекурсивное разделение и ф…
Читать статью →Разработка ПООбъяснение идемпотентности API: проверенные ключи идемпотентности и безопасные повторы
Идемпотентность API, объясненная на примере сервера и клиента Python, которые мы запускали: потеря ответа вызывала двойную оплату без ключа и единст…
Читать статью →DevOpsОбъяснение Git Stash: сохранение, применение, удаление и неотслеживаемые файлы, протестировано
Git stash объясняется с помощью команд, которые мы запускали в Git 2.56: push с сообщением, неотслеживаемые файлы, список и отображение, применение …
Читать статью →Тестирование ПООбъяснение парного тестирования: как все пары сокращают 216 тестов до 13, протестированных
Попарное тестирование объясняется с помощью генератора, который мы запускали в Python 3.13: проверка с 216 комбинациями, охватываемыми 13 тестами, п…
Читать статью →Автоматизация тестированияОбъяснение тестовых двойников: манекен, заглушка, шпион, макет и подделка, с протестированным кодом Python
Двойные тесты объяснены на одном примере Python, запущенном в pytest 9.2: манекен, заглушка, шпион, макет и подделка, когда использовать каждый из н…
Читать статью →Базы данных и SQLОбъяснение SQL COALESCE: значения по умолчанию, NULLIF, IFNULL против ISNULL и ловушки, протестировано
SQL COALESCE объясняется с помощью запросов, которые мы выполняли в SQLite 3.50: первые ненулевые значения, пустые строки, NULL в математике, NULLIF…
Читать статью →Базы данных и SQLОбъяснение самосоединения SQL: сотрудник-менеджер, сравнение пар и строк, протестировано
Самосоединение SQL объясняется с помощью запросов, которые мы выполняли в SQLite 3.50: сотрудник и менеджер, заработок больше, чем менеджер, уникаль…
Читать статью →Разработка ПООбъяснение оператора расширения JavaScript: распространение против остальных, копии и ошибки, протестировано
Оператор расширения JavaScript, объясненный с помощью кода, который мы запускали на узле 24: массивы, объекты, мелкие копии, остальные параметры, ог…
Читать статью →Разработка ПООбъяснение модуля коллекций Python: счетчик, defaultdict, deque и многое другое, протестировано
Коллекции Python объяснены с помощью кода, который мы запускали в Python 3.13: Counter, defaultdict, deque, Nametuple, OrderedDict и ChainMap, а так…
Читать статью →Искусственный интеллектОбъяснение контекстного окна LLM: токены, ограничения и способы вместить больше, измеренное
Контекстное окно LLM поясняется количеством токенов, которые мы измеряли с помощью tiktoken: слова и токены для прозы, кода и хинди, входные и выход…
Читать статью →Разработка ПООбъяснение вебхуков: как они работают и как безопасно их получать
Веб-хуки объясняются с помощью получателя и отправителя, которые мы запускали на Python: push и опрос, подписи HMAC-SHA256, отклонение подделанных и…
Читать статью →DevOpsОбъяснение Git Cherry-Pick: скопируйте нужный вам коммит, безопасно и протестировано
Git Cherry-Pick объяснил это командами, которые мы запускали в Git 2.56: копирование исправления в ветку выпуска, новые хэши и идентификаторы патчей…
Читать статью →Автоматизация тестированияОбъяснение моментального тестирования: как оно работает, когда помогает, а когда вредит
Тестирование снимков объясняется с помощью pytest и сладкой демонстрации, которую мы запускали: создание снимков, чтение различий после изменения ко…
Читать статью →Тестирование ПООбъяснение мутационного тестирования: почему при 100% покрытии все еще не обнаружена наша ошибка
Тестирование мутаций объясняется с помощью небольшого инструмента мутаций, который мы создали и запустили: 14 мутантов, набор тестов со 100%-ным пок…
Читать статью →Искусственный интеллектОбъяснение быстрого внедрения: как обманывают приложения искусственного интеллекта и как их защитить
Быстрое внедрение, объясненное для разработчиков: прямые и косвенные атаки, почему фильтры ключевых слов не работают (наш тест заблокировал 1 из 4),…
Читать статью →DevOpsОбъяснение DNS-записей: A, AAAA, CNAME, MX, TXT и TTL с реальным поиском
Записи DNS объяснены с помощью выполненных нами поисков: как работает разрешение, A и AAAA, правила CNAME, MX и нулевой MX, TXT для SPF и проверки, …
Читать статью →DevOpsОбъяснение флагов функций: безопасные выпуски, постепенное развертывание и гигиена флагов
Флаги функций объяснены с помощью моделирования развертывания, которое мы провели: типы флагов, процентное развертывание со стабильным хешированием,…
Читать статью →Автоматизация тестированияГенерация тестовых данных с помощью Python Faker: реалистичные, повторяемые и безопасные данные
Генерация тестовых данных с помощью Python Faker, запуск и измерение: заполнение повторяющихся данных, локали, уникальные значения, записи в форме д…
Читать статью →Тестирование ПООбъяснение тестирования с помощью Shift-Left: находите ошибки раньше, не замедляя работу команды
Сдвиг влево при тестировании объяснил: что это значит, почему ранние дефекты обходятся дешевле, практики от проверки требований до CI-проверок, меня…
Читать статью →Базы данных и SQLОбъяснение строковых функций SQL: TRIM, SUBSTR, REPLACE, CONCAT и очистка данных
Строковые функции SQL, объясненные с помощью выполненных нами запросов: конкатенация и NULL, TRIM, UPPER и LOWER, SUBSTR и INSTR, REPLACE, заполнени…
Читать статью →Базы данных и SQLОбъяснение триггеров SQL: триггеры ДО и ПОСЛЕ, журналы аудита и подводные камни
Триггеры SQL объяснены с помощью триггеров, которые мы запускали: ДО и ПОСЛЕ, СТАРЫЙ и НОВЫЙ, журналы аудита, проверка, обновления запасов, условия …
Читать статью →Разработка ПООбъяснение модуля Python JSON: дампы, загрузки, пользовательские типы и распространенные ошибки
Модуль Python JSON, объясненный с помощью кода, который мы выполнили: дампы и загрузки, файлы, преобразования типов, даты и десятичные дроби, пользо…
Читать статью →Разработка ПОМодули ES против CommonJS: как работает импорт JavaScript в Node.js, протестировано
Модули ES и CommonJS объяснены с помощью кода, который мы запускали в Node.js: синтаксис импорта и экспорта, требование, живые привязки, кэширование…
Читать статью →Разработка ПООбъяснение регулярных выражений Python: шаблоны, группы, предварительные просмотры и подводные камни, протестировано
Регулярное выражение Python объясняется с помощью шаблонов, которые мы использовали: поиск против совпадения, поиск, группы и именованные группы, жа…
Читать статью →Искусственный интеллектОбъяснение структурированного вывода LLM: получение надежного JSON из моделей искусственного интеллекта
Структурированный вывод LLM объясняется проверкой, которую мы проводили в Pydantic: режим и схемы JSON, ограниченное декодирование, способы моделиро…
Читать статью →DevOpsОбъяснение ключей SSH: как они работают, ssh-keygen, Ed25519 и безопасные привычки
Ключи SSH объяснены ключами, которые мы сгенерировали: открытые и закрытые ключи, ssh-keygen, Ed25519 и RSA, отпечатки пальцев, парольные фразы, ssh…
Читать статью →DevOpsОбъяснение HTTP-кэширования: Cache-Control, ETag и ответы 304, с живым тестом
Объяснение HTTP-кеширования на небольшом сервере, который мы запускали: директивы Cache-Control, максимальный возраст, отсутствие кэша и отсутствие …
Читать статью →Автоматизация тестированияОбъяснение тестирования контрактов API: уловите критические изменения до их выпуска
Тестирование контрактов API объясняется с помощью проведенной нами проверки схемы: что такое контракт, контракты, управляемые потребителем, Pact, Op…
Читать статью →Тестирование ПООбъяснение тестирования на основе рисков: оцените риски, постройте матрицу и протестируйте то, что имеет значение
Тестирование на основе рисков объясняется шаг за шагом: выявление рисков, оценка вероятности и воздействия, построение матрицы рисков, сопоставление…
Читать статью →Базы данных и SQLОбъяснение ограничений SQL: NOT NULL, UNIQUE, CHECK и FOREIGN KEY, протестировано
Ограничения SQL объяснены с помощью проведенных нами тестов: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY и FOREIGN KEY, лазейки NULL, настройка внешне…
Читать статью →Базы данных и SQLОбъяснение функций даты SQL: добавление, сравнение и группировка дат без ошибок
Функции даты SQL, объясненные с помощью запросов, которые мы выполняли: добавление интервалов, сюрпризы в конце месяца, различия в датах, ловушка МЕ…
Читать статью →Разработка ПООбъяснение Python asyncio: асинхронность, ожидание, сбор и группа задач с реальным временем
Python asyncio объяснен с помощью кода, который мы запланировали: сопрограммы, ожидание, сбор, TaskGroup, обработка ошибок, тайм-ауты, ограничение п…
Читать статью →Разработка ПОDebounce против Throttle в JavaScript: как они работают, когда использовать каждый, протестировано
Сравнение Debounce и Throttle в JavaScript объясняется с помощью таймингов, которые мы измеряли в Node.js: как каждый из них работает, простые реали…
Читать статью →Разработка ПООбъяснение менеджеров контекста Python: оператор with, contextlib и реальное использование
Контекстные менеджеры Python объяснили с помощью кода, который мы запускали: как работает, __enter__ и __exit__, contextlib.contextmanager, подавлен…
Читать статью →Искусственный интеллектОбъяснение температуры LLM и Top-p: как модели ИИ выбирают свое следующее слово
Температура LLM и top-p объяснены с помощью моделирования, которое мы провели: как изменяются вероятности, что сохраняет top-p, рекомендуемые настро…
Читать статью →DevOpsОбъяснение YAML: синтаксис, проблема Норвегии и другие ловушки, которые мы тестировали
YAML объясняется с помощью теста парсера: базовый синтаксис, списки и карты, проблема Норвегии, версии, превращающиеся в числа с плавающей запятой, …
Читать статью →DevOpsОбъяснение Cron Jobs: синтаксис, реальные расписания и ошибки, которые их нарушают
Задания Cron объясняются графиками, которые мы проверили: пять полей, операторы, реальные примеры, ловушка дня месяца ИЛИ дня недели, проблемы окруж…
Читать статью →Искусственный интеллектОбъяснение галлюцинаций искусственного интеллекта: почему языковые модели все выдумывают и как их уменьшить
Галлюцинации ИИ объяснили: что это такое, почему языковые модели их создают, распространенные типы, как уменьшить их с помощью заземления и подсказо…
Читать статью →DevOpsОбъяснение переменных среды: файлы .env, секреты и правильно выполненная конфигурация
Переменные среды объясняются на примерах Python, которые мы запускали: их чтение и установка, почему каждое значение является строкой, файлы .env, н…
Читать статью →Разработка ПООбъяснение ограничения скорости API: алгоритмы, заголовки и обработка ошибок 429
Ограничение скорости API объясняется с помощью проведенного нами моделирования: сегмент токенов, фиксированное окно, скользящее окно, 429 ответов, з…
Читать статью →Автоматизация тестированияИздевательство в Python: unittest.mock, патч и ошибки, из-за которых тесты лгут
Издевательство на Python с помощью unittest.mock, протестировано: Mock и return_value, Side_effect, исправление использования имени, спецификация и …
Читать статью →Тестирование ПООбъяснение покрытия кода: покрытие линий или ветвей и что на самом деле означает 100%
Покрытие кода объяснено с помощью реального запуска покрытия.py: покрытие строк, ветвей и условий, чтение отчета, почему 100%-ное покрытие все еще м…
Читать статью →Базы данных и SQLDELETE, TRUNCATE и DROP в SQL: различия, откат и когда использовать каждый из них
Объяснение DELETE, TRUNCATE и DROP на примере протестированного SQL: что каждый из них удаляет, откат, триггеры, сброс идентификаторов, скорость и ч…
Читать статью →Базы данных и SQLОбъяснение представлений SQL: создавайте, используйте и избегайте ловушек, с примерами
Представления SQL, объясненные с помощью запросов, которые мы выполняли: создание представления, результаты в реальном времени, скрытие столбцов, пр…
Читать статью →Разработка ПОИнтерфейс TypeScript и тип: реальные различия, протестированные с помощью компилятора
Интерфейс TypeScript против типа, проверенный реальным компилятором: что могут делать оба, что может делать только один, слияние объявлений, расшире…
Читать статью →Разработка ПООбъяснение Python *args и **kwargs: гибкие функции с понятными примерами
Python *args и **kwargs, объясненные с помощью кода, который мы запускали: упаковка и распаковка, порядок параметров, аргументы только по ключевым с…
Читать статью →Разработка ПОЛямбда-функции Python: синтаксис, реальное использование и когда их не следует использовать
Лямбда-функции Python, объясненные с помощью кода, который мы запускали: синтаксис, сортировка с помощью ключа, карты и фильтра, замыкания, ловушка …
Читать статью →Искусственный интеллектЧто такое ИИ-агенты? Как они работают: можно запустить простой цикл агента
Что такое агенты ИИ? Простое руководство по циклу агента, инструментам, памяти и ограничениям, с небольшим циклом Python, который мы запустили, реал…
Читать статью →DevOpsМониторинг и наблюдаемость: реальная разница с журналами, метриками и трассировками
Объяснение мониторинга и наблюдаемости: известные и неизвестные сбои, журналы, метрики и трассировки, пошаговое руководство по инцидентам при оформл…
Читать статью →DevOpsDocker Volumes против Bind Mounts: правильное сохранение данных контейнера
Объяснение томов Docker и монтирования привязки: почему исчезают данные контейнера, именованные тома, монтирование привязки, tmpfs, примеры создания…
Читать статью →Автоматизация тестированияTDD против BDD: ключевые различия, одна функция, созданная для обоих способов, и когда использовать каждый
TDD и BDD объясняются с помощью одной функции скидки, созданной в обоих направлениях: красно-зеленый рефакторинг с кодом, который мы запускали, сцен…
Читать статью →Тестирование ПОПользовательское приемочное тестирование (UAT): процесс, контрольный список и реальные примеры
Приемочное тестирование пользователей объяснило: кто его проводит, чем оно отличается от контроля качества, семиэтапный процесс, шаблон тестового сц…
Читать статью →Базы данных и SQLОбъяснение значений NULL в SQL: IS NULL, COALESCE, NULLIF и ловушки, которых следует избегать
Значения SQL NULL объяснены с помощью запросов, которые мы выполнили: трехзначная логика, IS NULL, COALESCE, NULLIF, как агрегаты, соединения и сорт…
Читать статью →Базы данных и SQLОператор SQL CASE WHEN: синтаксис, реальные примеры и распространенные ошибки
SQL CASE WHEN объяснен с помощью запросов, которые мы выполняли: простые формы и формы для поиска, порядок условий, повороты с помощью SUM, трюки CO…
Читать статью →Разработка ПОЧто такое JWT? Веб-токены JSON, объясненные на рабочем примере
Что такое JWT? Объяснение JSON Web Tokens: три части: токен, созданный и измененный в коде, который мы запускали, JWT и сеансы, хранилище, токены об…
Читать статью →Разработка ПООбъяснение цикла событий JavaScript: стек вызовов, микрозадачи и таймеры с примерами
Цикл событий JavaScript объясняется с помощью кода, который мы запускали: стек вызовов, очереди задач и микрозадач, почему setTimeout 0 не является …
Читать статью →Разработка ПОГенераторы Python и объяснение доходности: экономьте память с помощью реальных примеров
Генераторы Python и доходность, объясненные с помощью кода, который мы запускали: как они приостанавливаются и возобновляются, измеряют экономию пам…
Читать статью →Искусственный интеллектЧто такое вложения? Простое объяснение векторов и косинусного сходства
Что такое вложения? Простое руководство по векторам, косинусному подобию и семантическому поиску с небольшим примером, который мы использовали, общи…
Читать статью →DevOpsСине-зеленое и канареечное развертывание: различия, компромиссы и как выбрать
Объяснение сине-зеленого и канареечного развертывания: как каждый из них работает, стоимость, риски и откат, стабильное группирование пользователей,…
Читать статью →Автоматизация тестированияНенадежные тесты: что их вызывает и как их исправить навсегда
Ненадежные тесты объясняются на демонстрациях, которые мы запускали: основные причины, способы подтверждения и диагностики, правильные исправления в…
Читать статью →Тестирование ПОНагрузочное тестирование и стресс-тестирование: различия, метрики и примеры k6
Объяснение нагрузочного и стресс-тестирования: что доказывает каждое из них, тесты на всплески и выдержки, важные метрики, почему средние значения в…
Читать статью →Тестирование ПОТестовый пример и тестовый сценарий: ключевые различия, примеры и когда использовать каждый
Объяснение тестового случая и тестового сценария: четкие определения, параллельная таблица, одна функция сброса пароля, взятая из сценариев в случаи…
Читать статью →Базы данных и SQLОптимизация SQL-запросов: чтение планов выполнения и исправление медленных запросов с указанием времени
Оптимизация SQL-запросов проверена на миллионе строк: читайте планы выполнения, добавляйте правильные индексы, исправляйте неразмещаемые фильтры, ис…
Читать статью →Базы данных и SQLSQL UNION против UNION ALL: различия, примеры и проверка производительности
SQL UNION и UNION ALL объяснены с помощью запросов, которые мы выполнили: дубликаты, правила, которым следуют оба, реальная ошибка данных, измеренна…
Читать статью →Разработка ПОУчебное пособие по API JavaScript Fetch: GET, POST, обработка ошибок и тайм-ауты
Учебное пособие по API JavaScript Fetch, протестированное на локальном сервере: GET и POST, почему не выдается ошибка 404, многоразовый помощник, ст…
Читать статью →Разработка ПООбработка файлов Python: чтение, запись, CSV, JSON и pathlib с примерами
Обработка файлов Python объясняется с помощью кода, который мы запускали: открытые режимы, чтение больших файлов, CSV, JSON, pathlib, двоичные файлы…
Читать статью →Разработка ПОКлассы и объекты Python: учебник ООП с реальными примерами
Классы и объекты Python, объясненные с помощью кода, который мы запускали: __init__, методы, атрибуты класса и экземпляра, наследование, свойства, м…
Читать статью →Искусственный интеллектЧто такое большая языковая модель? Как работают LLM, объяснено без шумихи
Что такое большая языковая модель? LLM объясняется простым языком: токены, встраивания, внимание, обучение, температурные и контекстные окна, крошеч…
Читать статью →DevOpsКоманды Linux для начинающих: основное руководство по терминалу с примерами
Команды Linux для начинающих, сгруппированные по задачам: навигация, файлы, просмотр журналов, grep, каналы, разрешения, процессы и архивы, с практи…
Читать статью →Автоматизация тестированияSelenium vs Playwright: ключевые различия, сравнение кода и что выбрать
Сравнение Selenium и Playwright: архитектура, ожидание, поддержка браузера и языка, отладка, одинаковый тест в обоих инструментах, советы по миграци…
Читать статью →Тестирование ПОРазделение эквивалентности: метод проектирования тестов, объясненный на рабочих примерах
Объяснение эквивалентного разделения: как найти действительные и недействительные разделы, рабочие примеры для возрастов, паролей и купонов, проведе…
Читать статью →Тестирование ПОСерьезность и приоритет в тестировании программного обеспечения: различия, матрица и реальные примеры
Объяснение серьезности и приоритета при тестировании программного обеспечения: четкие определения, четырехсторонняя матрица с примерами, шкалы уровн…
Читать статью →Базы данных и SQLУчебное пособие по подзапросам SQL: типы, коррелирующие подзапросы и EXISTS с примерами
Руководство по подзапросам SQL с выполненными нами запросами: скалярные подзапросы, IN, FROM и SELECT, коррелированные подзапросы, EXISTS, ловушка N…
Читать статью →Базы данных и SQLОбъяснение транзакций SQL и ACID: COMMIT, ROLLBACK и уровни изоляции
Транзакции SQL и ACID, объясненные с помощью банковского перевода, который мы выполнили: COMMIT, ROLLBACK, точки сохранения, блокировки, уровни изол…
Читать статью →Разработка ПОGit Commands Cheat Sheet: The Commands You Actually Use, With Examples
Шпаргалка по командам Git, сгруппированная по задачам: настройка, промежуточный этап, ветки, удаленные устройства, тайник, история и исправление оши…
Читать статью →Разработка ПООбъяснение промисов в JavaScript: then, catch, Promise.all и распространенные ошибки
Обещания JavaScript, объясненные с помощью кода, который мы запускали: состояния, цепочки then и catch, обработка ошибок, Promise.all, allSettled, R…
Читать статью →Разработка ПОУчебное пособие по словарю Python: методы, примеры и общие шаблоны
Учебное пособие по словарю Python с кодом, который мы выполнили: создание, чтение и обновление словарей, ключевые методы, слияние, понимание, шаблон…
Читать статью →Искусственный интеллектЧто такое РАГ? Генерация с расширенным поиском, объясненная на рабочем примере
Что такое РАГ? Retrieval-augmented generation explained step by step: indexing, chunking, embeddings, retrieval, a small working Python example, eva…
Читать статью →DevOpsУчебное пособие по Terraform для начинающих: инфраструктура как код от первого файла до модулей
Учебное пособие по Terraform для начинающих: начните без облачной учетной записи, изучите инициализацию, планирование и применение, затем переменные…
Читать статью →DevOpsDocker и Kubernetes: ключевые различия, как они работают вместе и что вам нужно
Объяснение Docker и Kubernetes: что делает каждый из них, одно и то же приложение работает с обоими, сравнение Docker Compose и Swarm, изменение doc…
Читать статью →Автоматизация тестированияУчебное пособие по Pytest для начинающих: фикстуры, параметризация и реальные примеры
Учебное пособие по pytest для начинающих с тестами, которые мы запускали на pytest 9.2: утверждения, фикстуры, параметризация, conftest, маркеры, tm…
Читать статью →Тестирование ПОЖизненный цикл тестирования программного обеспечения (STLC): 6 этапов, критерии входа и выхода, пример
Объясняется жизненный цикл тестирования программного обеспечения: шесть этапов STLC с критериями входа и выхода, результаты, пример проработанной фу…
Читать статью →Разработка ПОGit merge vs rebase: отличия, примеры и когда что использовать
Git merge vs rebase с реальным выводом log, сравнительной таблицей, золотым правилом rebase и безопасным рабочим процессом для команды.
Читать статью →Разработка ПОГенераторы списков в Python: синтаксис, примеры и когда их избегать
Генераторы списков в Python: синтаксис, фильтры, if-else, вложенные циклы, измеренное время и случаи, когда обычный цикл for лучше.
Читать статью →Базы данных и SQLSQL JOIN: объяснение с примерами (Inner, Left, Right, Full)
Разберите SQL JOIN шаг за шагом на примерах таблиц и запросов: INNER, LEFT, RIGHT, FULL, CROSS и SELF, а также частые ошибки и советы по производите…
Читать статью →