검색 품질은 대부분의 튜토리얼이 비교해서 보여 주지 않는 선택으로 결정됩니다. 이 플레이그라운드는 같은 질문과 같은 코퍼스에 여러 전략을 실행하므로, 차이가 주장이 아니라 눈에 보입니다.

한 인터페이스에서 서로 다른 종류의 데이터에 대해 검색 전략을 비교하는 플레이그라운드입니다. 텍스트 모드는 txt, md, json을 색인하고 같은 질문에 네 가지 전략을 실행합니다. 기본 벡터 검색, BM25와 벡터를 융합한 하이브리드, 작은 단위에서 큰 단위로 넓히는 문장 윈도, LLM 라우터입니다. 각 답은 자신이 검색한 구절과 유사도 점수를 그대로 유지합니다.

나머지 모드는 정형 데이터, 멀티모달 PDF, 이미지, 영상을 다룹니다. CSV 질문은 pandas 코드로 변환되어 실행되고 차트로 그려집니다. PDF는 PyMuPDF나 MinerU로 파싱하고 텍스트와 그림을 함께 검색해 답합니다. 이미지 검색은 하나의 공유 임베딩 공간에서 텍스트-이미지와 이미지-이미지를 실행합니다. MP4는 TwelveLabs로 색인하고 일치하는 구간을 검색하며 타임스탬프가 붙은 서면 답변으로 분석합니다.

LlamaIndex와 FastAPI, React 프런트엔드로 만들어졌습니다. 백엔드는 config 엔드포인트에서 어떤 키가 있는지 알려 주고, 호스팅 서비스가 없으면 가짜 데이터를 돌려주는 대신 명확한 오류로 성능을 낮춥니다. Milvus는 PDF 에이전트 모드에서만 필요하고, 다른 모드는 상태를 메모리에 둡니다.

비교 하네스 자체와 멀티모달 경로를 보려면 이 프로젝트를 읽으세요. CSV가 pandas 코드가 되는 경로, PDF가 텍스트와 그림의 공동 검색이 되는 경로, 하나의 임베딩 공간에서의 이미지-이미지 검색, 구간 단위로 색인되는 영상입니다. 각 모드는 제공자 키가 없을 때 솔직하게 실패하며, 그것 자체가 하나의 교훈입니다.