RAG

Como o Ollama padrão não possui uma API de rerank direta, você precisará implementar reranking usando o Qwen3 Reranker em GO gerando embeddings para pares de consulta-documento e classificando-os.

Este pequeno exemplo de código Go para reranking está chamando o Ollama para gerar embeddings para a consulta e para cada documento candidato, em seguida, classificando em ordem decrescente pela similaridade do cosseno.

Os modelos Qwen3 Embedding e Reranker são as últimas liberações da família Qwen, especificamente projetados para tarefas avançadas de embedding de texto, recuperação e reclassificação.

• Para um análogo direto do Beautiful Soup em Go, use soup.
• Para suporte a seletores CSS, considere goquery.
• Para consultas XPath, use htmlquery.
• Para outra opção inspirada no Beautiful Soup, veja Node.

Se você está procurando um equivalente do Beautiful Soup em Go, várias bibliotecas oferecem funcionalidades semelhantes para análise e raspagem de HTML:

Na biblioteca de modelos do Ollama existem modelos capazes de converter conteúdo HTML em Markdown, o que é útil para tarefas de conversão de conteúdo.

Usar LLMs não é muito caro, talvez não haja necessidade de comprar uma nova GPU incrível.
Aqui está uma lista de provedores de LLM na nuvem com LLMs que eles hospedam.

Quando o servidor Ollama recebe duas solicitações ao mesmo tempo, seu comportamento depende da sua configuração e dos recursos do sistema disponíveis.

Reranking é a segunda etapa na Geração Aumentada por Recuperação
(RAG) sistemas,
diretamente entre a Recuperação e a Geração.

Ainda assim, existem algumas abordagens comuns para escrever prompts eficazes, de modo que os LLMs não fiquem confusos ao tentar entender o que você deseja.

Testando como modelos com diferentes números de parâmetros e quantização estão se comportando.