Илао Дзиндин

Как я построил умный поиск по 3500 контактам за 2 часа

Классический поиск ищет совпадение букв. Семантический ищет совпадение смысла.

запрос: «люди, кто строит продукты»

точный поиск найдёт:   семантический найдёт:
──────────────────     ──────────────────────
«продукт»              «founder of startup X»
                       «building my own project»
                       «indie hacker»
                       «запускаю свой сервис»

Слово «продукт» нигде не встречается. Смысл — везде.

3500 контактов в одном JSON. Найти «фаундеров в Берлине, кто интересуется AI» — это боль с булевой логикой.

Это разговор с векторами.

┌──────────────────┐      ┌──────────────────────┐
│  Claude Desktop  │ ───▶ │  MCP-сервер (node)   │
└──────────────────┘      └──────────┬───────────┘
                                     │
                   ┌─────────────────┴─────────────────┐
                   ▼                                    ▼
       ┌───────────────────┐              ┌───────────────────┐
       │   Qdrant Cloud    │              │   Embedding API   │
       │   (векторы)       │              │   (смыслы)        │
       └───────────────────┘              └───────────────────┘

Локальный сервер. Облачные данные. ~90 секунд на индексацию всей базы. Стоимость: меньше цента.

Эмбеддинги кодируют значение, не буквы.

Два часа настройки. Остаток жизни — разговор с данными.

До: открываешь файл, пишешь jq-запросы. После: спрашиваешь на человеческом языке.

CRM — это не база данных. CRM — это память.

Память, к которой обращаются вопросами, а не фильтрами.

— Илао Дзиндин

* * *