📝 Задания

← К оглавлению урока

⚡ Что сделать

  • Устойчивый запрос: таймаут + автоповтор
  • Получить эмбеддинги двух фраз
  • Мини семантический поиск по списку текстов

Ответы — на странице Решения.

Часть 1. Вопросы

  1. Какие три проблемы возникают при работе с API LLM?
  2. Зачем нужен таймаут и что произойдёт без него?
  3. Что означают ошибки 500, 403, 429? Какую из них бессмысленно повторять?
  4. Что такое эмбеддинг и как по векторам понять, что тексты похожи?
  5. Чем семантический поиск отличается от поиска по ключевым словам?

Часть 2. Практика (из лекции)

  1. Задание 1. Напишите функцию запроса к Gemini с таймаутом и автоповтором (tenacity, 3 попытки, задержка 2→4→8 с).
  2. Задание 2. Получите эмбеддинги двух фраз («Я люблю программирование.» и «Кодинг — это моё хобби.») и выведите размерность вектора.
  3. Задание 3. Постройте семантический поиск по списку из 5–6 текстов через FAISS и найдите 2 ближайших к своему запросу.

Часть 3. Со звёздочкой

  1. Переделайте FAISS-поиск на косинусную близость (нормализация + IndexFlatIP).
  2. Сравните результат семантического поиска с поиском по подстроке (обычный in) на «хитром» запросе (синоним/перефразировка).