Retrieval After RAG: Hybrid Search, Agents, and Database Design — Simon Hørup Eskildsen of Turbopuffer

摘要

訪談 Turbopuffer 創辦人 Simon Hørup Eskildsen，分享從 Shopify 基礎設施到創立搜尋引擎公司的歷程。他闡述 Turbopuffer 利用 NVMe 與物件儲存架構，解決傳統資料庫在處理非結構化資料與 AI 混合搜尋時的成本與效能問題，並透過實際案例說明其如何協助開發者最佳化程式碼搜尋。

Interview with Turbopuffer founder discussing hybrid search architecture, cost reduction for AI workloads, and the company's origin story.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• Turbopuffer 利用 NVMe 與物件儲存架構，解決傳統資料庫在處理非結構化資料時的成本與效能問題。
• 透過實際案例說明 Turbopuffer 如何協助 Cursor 等公司最佳化程式碼搜尋與混合查詢體驗。
• 訪談分享從 Shopify 基礎設施到創立搜尋引擎公司的歷程與未來發展方向。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00西蒙分享 Turbopuffer 的創業決心與背景
2. 02:19Turbopuffer 定位為結合全文與向量搜尋引擎
3. 06:44西蒙在 Shopify 經歷 Elasticsearch 的擴展痛點
4. 09:17透過 Napkin Math 發現將物件儲存與快取結合的架構
5. 12:38Notion 工程師協助驗證成本模型與產品經濟性
6. 24:25搜尋工作負載從 RAG 演進至代理體自主搜尋
7. 31:26代理體搜尋如何改變程式碼撰寫與資料查詢模式
8. 33:38查詢價格降低五倍以支援海量請求
9. 38:11創辦人談投資策略與團隊文化
10. 46:29首席架構師如何將 P99 延遲壓至 40 毫秒
11. 51:01全文字搜尋引擎超越 Lucene 的優勢
12. 53:38未來路徑聚焦 OLAP 而非過度擴張
13. 56:48分享個人最愛茶葉與咖啡因習慣
14. 59:26預告未來播客節目與感謝主持人

提到的工具與公司

• Turbopuffer
• Cursor
• Postgres
• Elasticsearch
• NVMe
• S3
• Lucene

適合誰看

正在構建或最佳化 AI 應用中搜尋與資料庫整合的開發者與工程師。

摘要依據

講者

Alessio Fanelli

依據

語音轉文字

為什麼排在這裡

人氣

0.50

新鮮

0.46

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Ep 71: CEO of TurboPuffer Simon Eskildsen on Building Smarter Retrieval, AI App Must-Have Features & Current State of Vector DBsPodcast ・ Unsupervised Learning ・ 51 分鐘（在新分頁開啟原站）
• Write, Change, Recall, Forget: MongoDB's Pete Johnson on How Retrieval Drives Agent PerformancePodcast ・ The Cognitive Revolution ・ 1 小時 37 分
• Simon Eskildsen on scaling Shopify, building turbopuffer, and the future of databases影片 ・ Cursor ・ 51 分鐘（在新分頁開啟原站）
• How Hugging Face Inference Endpoints, Jobs, and Buckets Power Search on Papers with Code文章 ・ Hugging Face Blog
• Billion Scale Vector Storage for RAG影片 ・ Jason Liu ・ 51 分鐘（在新分頁開啟原站）
• Agent搜索和记忆的基础设施：腾讯云 Elastichsearch Service 企业版详细攻略影片 ・ 技术爬爬虾 TechShrimp ・ 10 分鐘（在新分頁開啟原站）