OpenOcean
OpenOcean · Embeddings og vektorsøgning

Få de relevante resultater frem.

Vi hjælper med embeddings, vektordatabaser og semantisk søgning i dokumenter eller produkter. En afgrænset prototype viser, om søgningen finder det, jeres brugere faktisk leder efter.

Direkte dialog med Phil i København.
Vi aftaler omfang og estimat, før arbejdet starter.

Få vurderet jeres opgave

Beskriv kort, hvad I vil have løst. Phil vender tilbage om mulighederne og næste skridt.

Tilføj flere oplysninger (valgfrit)

Vi bruger oplysningerne til at besvare jeres henvendelse. I bliver ikke tilmeldt et nyhedsbrev. Læs vores privatlivspolitik.

Foretrækker I direkte kontakt? +45 23 63 23 03 eller philip@openocean.dk.

Det kan vi hjælpe jer med.

Tag udgangspunkt i den opgave, I står med. Vi finder et konkret sted at begynde.

Data og embeddings

Vi gennemgår formater, dubletter og opdeling af indhold. Model, dimensioner og opdateringsstrategi vælges efter data og opgave.

Indeks og adgang

Vi bygger et indeks, eksempelvis i Postgres/pgvector, med relevante metadatafiltre og adgangsregler.

Søgning og rangering

Vektorsøgning kan kombineres med almindelig tekstsøgning og reranking. Vi afprøver det på konkrete søgninger.

Evaluering og drift

Et vurderet testsæt bruges til at sammenligne resultater, svartid og omkostninger. I får dokumentation af import og genindeksering.

Fra beskrivelse til aflevering.

  1. 01

    Vi afklarer opgaven

    Send en kort beskrivelse. Vi spørger ind til mål, nuværende løsning og det, der skal fungere.

  2. 02

    I vælger næste skridt

    Vi aftaler leverance, adgang, estimat og tidspunkt. Kræver det en betalt analyse, aftaler vi den først.

  3. 03

    Vi udfører og gennemgår

    Arbejdet kontrolleres mod det aftalte mål. I får en gennemgang og overblik over eventuelle næste opgaver.

Start med et repræsentativt datasæt og aftalte søgeeksempler. Leverancen kan være et søge-API, en prototype eller fejlretning i en eksisterende løsning.

Fra kundeprojekterne

Konkrete opgaver. Rigtige virksomheder.

Casene viser beslægtet arbejde med data, adgang og beregninger. De er ikke cases om embeddings eller vektordatabaser.

Fra kundeprojektet med KOAN

KOAN

Indhold, abonnement og adgang i én portal.

En abonnementsportal med paywall og forbindelser mellem CMS, CRM og ordreflow. Casen viser arbejdet med adgang og data på tværs af systemer.

Læs casen

Erhvervsstyrelsen (ERST)

Offentlige data gjort anvendelige i en beregner.

En økonomisk beregner med en statisk frontend, der kunne køre på Erhvervsstyrelsens egen infrastruktur. Opgaven handlede om beregninger, formidling og levering inden for de tekniske rammer.

Læs casen

Før I beslutter jer

Et godt samarbejde starter med klare forventninger.

Tal med os om jeres opgave
Kan I hjælpe med pgvector?

Ja. Vi kan arbejde med datamodel, embeddings, indeks, filtre og søgeforespørgsler i Postgres, herunder Supabase.

Er det det samme som RAG?

Søgning kan være retrieval-delen i RAG. Hvis løsningen også skal formulere svar fra dokumenterne, afklarer vi kilder, adgang og evaluering af svar separat.

Kan I forbedre en eksisterende søgning?

Ja. Vi begynder med eksempler på gode og dårlige resultater og sammenligner relevante ændringer på det samme testsæt.

Skal vi sende vores dokumenter i formularen?

Nej. Beskriv datatyper og omfang. Adgang og overførsel af materiale aftales bagefter.