ما یک وبسایت وردپرسی داریم که کارش فیلتر و جستجو بین بیست هزار درس هست. کاربر روی این سایت لاگین نمیکنه و فقط جستجو میکنه و درس مورد نظرش رو باز میکنه و برای دانلود به یک سیستم و سابدامین دیگه منتقل میشه.

مشکل اینه که از زمانی که کاربر روی فیلتر کلیک میکنه تا وقتی که نتیجه نمایش داده میشه گاهی از ۴ ثانیه بالاتر میره. همچنین وقتی کلمه ای رو تایپ میکنه برای جستجو به ۱۰ تا ۱۲ ثانیه هم میرسه (موقع جستجوی کلمه/عبارت، داخل فیلد عنوان و متن ۲۰ هزار تا پست رو میگرده و در body هر پست هم بین ۱۰ تا ۱۰۰۰ کلمه هست)

ما میخوایم شرایط رو طوری کنیم که این سرعت به حدود یک الی دو ثانیه و نهایتا ۳ ثانیه برسه افزونه های زیر روی این سایت نصب هست: Jetengine Jetsmarfilter Jetsearch Elementor Elementor pro Wprocket Redis

روی این سایت ۲۰ هزار صفحه (درس) ایجاد کردیم. (و قراره تا چند صد هزار صفحه اضافه بشه) هر صفحه علاوه بر عنوان و عکس و Body دارای حدود ۳۰ فیلد دیگه هست که اکثرا taxonomy و تعدادی هم meta field مربوط به CPT ساخته شده در جت انجین هستند.

یک صفحه المنتوری هم ایجاد کردیم که کاربر از بین این صفحات جستجو و فیلتر کنه. حدود ۷ تا از فیلترهای taxonomy رو در jetsmartfilter قرار داریم و کاربر میتونه روشون کلیک کنه. یک فیلد جستجو هم با jetsearch بالای فیلترها قرار گرفته. همین جستجوی jetsearch هست که کنده که البته طبیعی هم هست. چون MySQL یک Full Table Scan روی تمامی row های wp_posts و wp_postmetaانجام میده

سایت روی vps داخل ایران قرار داره که کانفیگ معمولی (۴ هسته shared و ۶ گیگ رم) داره به همراه آپاچی و لود cpu اش هم در htop همیشه زیر ۱ هست. Redis هم نصب شده تا جستجوهای فیلترها در رم کش بشه

به دنبال شخصی هستیم که بتونه جستجوی jet search و jetsmart filter رو از سریعتر کنه (خصوصا jet search رو)

لطفا هم راهکار سریع و ارزان‌تر و هم راه کار تخصصی تر پیشنهاد بدید

طبق بررسی ما یکی از راهکارهای ارزان‌تر استفاده از MySQL Full-Text و ایجاد جدول جداگانه و ایندکس کردن عنوان و Body‌ ها در اون جدول هست. سرچ باید از روی این جدول انجام بشه و نتیجه‌ها به لیستینگ فعلی JetEngine وصل بشن، بدون اینکه فیلترهای فعلی سایت به‌هم بریزه.

همچنین یکی از راهکارهای حرفه ای هم میتونه استفاده از elastic search به صورت self-hosted و انجام tuning‌های مربوطه باشه

با تشکر

با سلام ما یک سامانه ارتباط با مشتریان رو با قصد ارائه به صورت Saas در سال 1401 با تکنولوژی فرانت angular و بک اند Laravel طراحی و توسعه دادیم ولی به علت هایی سورس کد فرانت از دسترسمون خارج شد. در حال حاضر قصد داریم که فرانت رو با react بازسازی کنیم و علاوه بر اضافه کردن چندین Feature جدید یه سری موارد رو هم تو بک اند اصلاح کنیم که در قالب این درخواست نمیگنجه و باید خیلی مفصل در مورش حرف زد

ما در دو حالت پروژه رو برای تعریف دیدیم یکی اینکه قست فرانت و بک اند رو به صورت جداگانه واگذار کنیم دومی اینکه کل پروژه رو به یک نفر یا یک تیم مجرب و فول استک واگذار کنیم که خودمون با حالت دوم تمایل بیشتری داریم. با این حال چند فول استک کار می کنید و چه به صورت جداگانه درخواست خودتون رو بفرستین که بیشتر حرف بزنیم.

لازم به ذکره که این قیمتی که رو پروژه گذاشتیم فقط برای ثبت پروژه هست و قیمت نهایی بعد از توافق و حتما به صورت قرارداد رسمی منعقد می شود.

سلام هدف ما پیاده‌سازی جستجوی معنایی (Vector Search) با استفاده از Elasticsearch و مدل‌های OpenAI است. فرآیند کلی به این صورت است که ابتدا query کاربر دریافت، پردازش و به بردار (embedding) تبدیل می‌شود؛ سپس این بردار در Elasticsearch جستجو می‌گردد.

ما تمام موارد زیر رو انجام دادیم اما نتایج قابل قبول نیست

حالا دنبال کسی هستم که بتونه کار رو نهایی کنه و نتایج رو بهبود بده

گام ۱: پیش‌پردازش Query دریافت Query: متن جستجوی کاربر دریافت می‌شود.

نرمال‌سازی: متن query به کلاس TextProcessor فرستاده می‌شود تا پیش‌پردازش‌های لازم (مانند نرمال‌سازی) روی آن انجام شود. برای جستجوی معنایی، معمولاً پارامترها طوری تنظیم می‌شوند که کلمات کلیدی (stopwords) حذف نشوند و ریشه‌یابی (stemming) اعمال نگردد تا معنای کامل‌تری حفظ شود.

گام ۲: تولید Embedding برای Query

ارسال به Generator: متن پردازش‌شده به EmbeddingGenerator.get_embedding ارسال می‌شود.

چانک‌بندی (در صورت نیاز): اگر query طولانی باشد، ابتدا به قطعات (chunks) کوچکتر تقسیم می‌شود.

فراخوانی OpenAI: برای هر چانک، یک فراخوانی به API OpenAI (مدل text-embedding-3-large) زده می‌شود تا بردار آن ساخته شود.

میانگین‌گیری: اگر query به چند چانک تبدیل شده باشد، بردارهای حاصل با هم "میانگین‌گیری ساده" (Average) می‌شوند تا یک بردار نهایی واحد برای کل query به دست آید.

گام ۳: جستجو در Elasticsearch (KNN)

ساخت کوئری KNN: یک کوئری Elasticsearch از نوع knn ساخته می‌شود.

تنظیمات جستجو: این کوئری شامل بردار query (به دست آمده از گام ۲) و پارامترهایی مانند k (تعداد نتایج) و num_candidates است.

تعیین فیلدها: جستجو روی فیلدهای برداری (مانند title_embedding و content_embedding) که در mapping به عنوان dense_vector تعریف شده‌اند، انجام می‌شود.

اجرای جستجو: کوئری به es.search() ارسال می‌شود. Elasticsearch بر اساس شباهت کسینوسی (cosine similarity) نزدیک‌ترین بردارها را در ایندکس پیدا می‌کند.

گام ۴: بازگرداندن نتایج

دریافت نتایج: Elasticsearch لیستی از اسناد (hits) را برمی‌گرداند.

قالب‌بندی: هر نتیجه شامل اطلاعاتی مانند _id, _index, _score (امتیاز شباهت) و _source (داده‌های اصلی سند) است که برای نمایش آماده می‌شود.

یک PWA یکپارچه جستجوی در دایره المعارف، مقاله ها و کتاب ها و کتاب های الکترونیکی کاملا ریسپانسیو سازگار با دسکتاپ، موبایل اندروید و آی او اس هماهنگ باشه. • موتور جستجوی پیشرفته با قابلیت جستجوی فول تکست • سیستم احراز هویت و مدیریت کاربران موتور جستجو: • جستجوی اصطلاحات و واژگان کلیدی پیشرفته • جستجوی بر اساس نویسنده و عنوان • فیلترهای پیشرفته (نوع محتوا، تاریخ، نویسنده، مجله، سال انتشار) حساب کاربری: • ثبت نام و ورود • پروفایل کاربری • ذخیره و مدیریت علاقه‌مندی‌ها • تاریخچه جستجو • اشتراک • سبد خرید مقالات

دوتا تصویر از یک وب سایت خارجی ضمیمه کردم که خیلی شبیه به کار ما هست که جزئیاتش رو باید صحبت کنیم.

میخواهم طبق mvp که دارم بخش های بک اند و فرانت را توسعه داده شود و برخی از api ها که گرفته شده را وصل کنیم و فعالسازی سایت انجام شود

در عین حال بخش های مختلف سایت را بازسازی و فعال کنیم

این پروژه وسیع و طولانی مدت هست و بخش های مختلفی دارد که طی تایم های مختلف پیاده سازی میگردد در فاز اول به یکسری موارد رجوع و فعالسازی میکنیم

نیازمند فردی هستیم به شرح زیر : توانمند دقت بالا مسئولیت پذیر صادق و با وجدان کاری بالا سرعت عمل تحلیلگر

تخصص: فرانت کار که بتواند طراحی یو ای و یو ایکس را هم همزمان انجام دهد و خلاقیت داشته باشد بک اند کار : برای پیاده کردن و فعالسازی api ها امنیت : از لحاظ اتک خوردن، نمایش سورس کد ها و زیرساختی سئو و بهینه سازی : قوی و زیرساخت خوبی داشته باشد خروجی :pwa, ios , android بلد باشد و بتواند خروجی بگیرد و با نمای سایت فرق کند طبق فرمتی که داده میشود میکروسویچ بودن سایت

برای ui-ux : figma برای فرانت: react( next.js) برای پنل ادمین :react برای پنل کاربر:react برای دیتابیس : mysql-mongodb-elasticsearch برای پیاده سازی :api - restful api- jwt برای بک اند : node.js-nest.js برای اپ ios و pwa و اندروید : flutter

سرور: almalinux

من api دارم که با پایتون نوشته شده و از دیتابیس الاستیک سرچ استفاده میکنه این api یک سری پارامترها از ورودی میگیره و بر اساس اونها داخل دیتابیس جستجو میکنه و بهترین و مرتبط ترین و جدیدترین نتایج را باید به کاربر نمایش دهد

دو تا ایندکس دارم داخل دیتابیس که اطلاعات کتاب داخلشون هست حالا باید کوئری به صورتی تنظیم شه که 1- خیلی سریع پاسخ از دریافت شه 2- خیلی دقیق و مرتبط باشه نتایج بر اساس فیلدها و امتیاز هر فیلد 3- جدیدترین ها نمایش بده

در حال حاضر کوئری نوشته شده اما یه مقدار بی ربط میاد نتایج و کند کار میکنه

ما در جستجوی یک متخصص با تجربه در زمینه پیاده‌سازی و پشتیبانی سیستم‌های تلفن گویا (VOIP) هستیم تا ساختار ارتباطات تلفنی هوشمند شرکت را توسعه و بهینه‌سازی کند. وظیفه این فرد به‌طور مشخص راه‌اندازی و مدیریت زیرساخت تلفن گویا است، که شامل تنظیمات، پیکربندی و رفع مشکلات احتمالی سیستم می‌باشد. پس از آماده‌سازی زیرساخت، تیم ما به ادغام این سیستم با هوش مصنوعی خواهد پرداخت.

مسئولیت‌ها:

- پیاده‌سازی و پیکربندی سیستم‌های تلفن گویا و خطوط داخلی برای ارتباطات سازمانی
- تنظیم و مدیریت سرورهای VOIP و اطمینان از پایداری و کیفیت تماس‌ها
- نظارت بر عملکرد سیستم و رفع مشکلات فنی احتمالی
- پیاده‌سازی زیرساخت اتصال به api صوتی هوش مصنوعی رو هم اضافه کنی
- بهینه‌سازی ساختار تلفن گویا برای تضمین کیفیت و کارایی بهتر
- ارائه راهکارهای فنی برای بهبود و ارتقاء سیستم‌های تلفن گویا

مهارت‌ها و تجربیات مورد نیاز:

- تخصص و تجربه در پیاده‌سازی و مدیریت سیستم‌های تلفن گویا و VOIP
- آشنایی با پروتکل‌های ارتباطی VOIP (مانند SIP، RTP) و تنظیمات امنیتی مرتبط
- توانایی حل مشکلات فنی و انجام تنظیمات سرور و شبکه برای پایداری تماس‌ها
- تجربه کاری با سیستم‌های تلفنی مانند Asterisk یا Elastix
- دقت و توانایی انجام پشتیبانی فنی مستمر برای بهینه‌سازی عملکرد سیستم
- این فرصت شغلی برای افرادی مناسب است که در زمینه تلفن گویا تجربه بالایی دارند و می‌توانند به‌طور مستقل سیستم‌های ارتباطی را راه‌اندازی و پشتیبانی کنند. 

اگر علاقه‌مند به همکاری در پروژه‌های زیرساختی و هوشمند هستید، درخواست خود را ارسال نمایید.

سلام وبسایتی با داده حدود 30 میلیون محصول وجود دارد میخواهیم زمان سرچ بهترین نتایج نمایش داده شود دیتا روی sql هست

پیشنهاد سرچ هم میخواهیم اضافه بشه مثلا سرچ کرد ویلجر بگه منظور شما ویلچر بود

اگر روی sql باشه بهتره اگر پیشنهادی برای تکنولوژی جدید هم هست بفرمایید الان موقع سرچ نتایج دقیقی نمایش داده نمیشود با تشکر

بهینه سازی، ریفکتور و توسعه یک پروژه موجود در زمینه مدیریت و نمایش محتوای ویدیویی

پروژه در مورد یک پلتفرم ویدیویی است که بخش های زیادی توسعه داده شده و در حال حاضر به دنبال رفع باگ، ریفکتور و توسعه چند فیچر ساده بیشتر هستیم.

زیر ساخت پروژه بدین صورت است: Technology Stack ASP.NET Core 7.0 ABP Framework SQL Server 2019 Elastic Search IdentityServer4 Redis EF Core, Dapper docker

فیچرها: -سه زبانه کردن پروژه (انگلیسی، فارسی و عربی) -افزودن دسته بندی برای ویدئوها و کانال ها -امکان ایجاد چند کانال توسط یک ناشر و ایجاد پلن اشتراک برای آن(در حال حاضر هر کاربر ناشر فقط میتواند یک کانال داشته باشد که ان کانل میتواند اشتراک داشته باشد) -امکان مشخص کردن رایگان یا پولی بودن یک ویدئو هنگام اپلود آن -بهینه سازی بخش ویدئوها و ناشران برتر -بهینه سازی بخش سرچ

در صورت تسلط به موارد فوق اعلام بفرمایین تا دسترسی گیت داده بشه و کد رو مطالعه بفرمایین تا بتونین برآوردی در مورد قیمت و زمان اعلام بفرمایین.

در استارتاپ اجرا نشده "رشمون" نیازمند فردی با توانایی برنامه نویسی و علاقمند به اجرا استارتاپ هستم. *پروژه بصورت تمام وقت ایجاد شده و شما مجاز به قرار دادن اطلاعات تماس‌تون هستید.

رشمون چیست: رشمون مانند پونیشا و لینکدین و سایت های استخدامی دیگه با این تفاوت اومده تا هرچه ساده‌تر و دسترس پذیرتر کارجو رو به کارفرما برسونه.