Четыре парадигмы поиска в больших базах данных через LLM

Обнаружено: Для баз до 1000 элементов векторные БД и RAG избыточны. Просто дай весь список в контекст LLM — модель сама найдёт семантическое совпадение с точностью 90%+. Для больших баз со 100,000+ элементами работает иерархическая навигация: модель спускается по дереву уровень за уровнем, выбирая категорию → подкатегорию → элемент. Фишка: structured outputs с динамическими списками опций физически блокируют галлюцинации — модель не может выдумать несуществующий вариант, его просто нет в списке валидных. Стоимость O(глубина дерева), а не O(количество элементов) — поиск в базе из 100,000 позиций за 4-6 вызовов.