Software Engineer
Dmitrii Kuzmenkov 是一名 Software Engineer，为 Manticore Search 撰写技术和产品导向的内容，涵盖 AI-assisted search、fuzzy search、image search、演示以及实际搜索应用。
自从我们在 Manticore Search 6 中引入了 备份工具 ，备份数据变得显著更容易。但我们一直听到同样的问题："关于云存储呢？" 今天，我们激动地宣布 manticore-backup 现在支持 S3 兼容存储，并具有流式上传功能 —— 无需中间文件，无需本地磁盘空间的烦恼，只需直接云备份。 传统备份的问题 当你在生产环境中运行 Manticore Search 时，数据集可能会迅速增长。备份到本地存储有其局限性： 磁盘空间限制：你需要与备份大小相等的空闲空间在同 ...
了解MCP-Manticore服务器如何帮助Cursor、Claude Code和其他AI助手生成正确的Manticore Search查询，创建适当的模式，并在没有语法错误的情况下探索您的数据。.
Learn how to build fast, production-ready autocomplete with Manticore Search using CALL AUTOCOMPLETE, CALL KEYWORDS, infix tricks, and integration patterns.
A comprehensive guide to implementing intelligent fuzzy search with Manticore Search, covering essential concepts like Levenshtein distance and keyboard layout detection, with real-world examples for online stores and content platforms.
TL;DR: 学习Manticore Search如何通过结合自然语言处理与基于向量的图像检索来实现文本到图像搜索。探索不同的方法，从传统方法到高级向量搜索，并尝试我们的 文本到图像搜索演示 来实际体验。 介绍 通过用自然语言描述图像（例如“海滩上的日落”）来找到合适的图像，这不再是未来的愿景。文本到图像搜索通过无缝连接语言与视觉内容使这成为可能。 传统方法，如关键字匹配或手动标记，在准确性和可扩展性方面存在局限性。现代方法，如Manticore Search驱动的方法，利用 ...
TL;DR: 学习如何使用 Manticore Search 构建反向图像搜索应用，包括反向图像搜索的历史、技术原理以及图像检索系统的实际应用方法。 引言 反向图像搜索通过允许用户使用图像而非文本进行搜索，改变了我们发现数字内容的方式。这项技术有多种应用，从帮助购物者找到产品到使设计师能够将其作品与现有设计进行比对。它已成为许多数字平台的关键组成部分。 您可以在 image.manticoresearch.com 尝试我们的反向图像搜索演示，并查看 GitHub ...
TL;DR 我们很高兴在 Manticore Search 中引入两个重要新功能：模糊搜索和查询建议（或“自动补全”）。这些功能提升了搜索能力，提供更友好的用户体验。您可以在我们的开源 GitHub Issue Search Demo 中看到它们的实际效果。 了解 GitHub 演示 中的工作原理 探索开源项目： GitHub 演示仓库 引言 您可能 已经阅读 过关于 GitHub Issue Search 演示以及我们 如何为其添加语义搜索 的内容。最近，我们为其添加了自动 ...
This article presents a prototype that enhances GitHub's search functionality using semantic search technology with Manticore Search's Vector Search. It highlights the limitations of traditional keyword searches and introduces vector search as a more effective method that understands context and meaning, rather than just matching keywords. The piece outlines ...
In this article, we will examine the purpose of Manticore Columnar storage, how it differs from the row-wise storage, and in which cases it makes sense to use it. We will also get acquainted with the basic structure of the storage format and the specifics of its integration into the query processing workflow of the search daemon.
Full-text search matches exact keywords and is fast and precise, especially for structured queries. It can also handle features like fuzzy matching, stemming, and prefix/infix searches. Vector search, also known as semantic search, uses machine learning to understand the meaning behind words, making it great for open-ended or natural language queries. While ...