Умный поиск начинается не с нейросети, а с качественного товарного индекса и набора реальных запросов. Нужны нормализация, поля названия, бренда, артикула, категорий и характеристик, синонимы и бизнес-сигналы.

Соберите обезличенные запросы с кликами и покупками, выделите head и long tail и создайте ручной eval-набор с ожидаемыми товарами до настройки алгоритма.

Что проверить в первую очередь

Для ситуации «каталогу нужен поиск, который понимает названия, характеристики, синонимы и опечатки» сначала зафиксируйте один воспроизводимый пример: время, идентификатор объекта, пользователя или операции, входные данные, версию приложения и фактический результат. Отдельно запишите ожидаемое поведение: поиск имеет измеримую релевантность, быстрый индекс, объяснимые boosts и безопасный fallback без нулевой или случайной выдачи. Не меняйте сразу несколько настроек: один контролируемый шаг должен подтверждать или исключать одну гипотезу.

Начинайте с чтения состояния и журналов. До массового перерасчёта, повторной отправки, удаления записей или изменения прав подготовьте резервную копию и способ отката. Секреты, токены, персональные данные и содержимое документов в диагностические выгрузки не включайте.

  • Проверьте качество данных.
  • Определите поля и веса.
  • Соберите нулевые запросы.
  • Уточните фильтры и сортировку.

Почему возникает проблема

Видимый симптом обычно появляется в конце цепочки. Первичная ошибка может находиться в API, фоновой задаче, кеше, очереди, базе, правах доступа или внешнем сервисе. Основной риск этого сценария: агрессивная нечёткость показывает нерелевантные товары, а ручные правила становятся непредсказуемыми и замедляют выдачу. Поэтому ручная правка итогового статуса часто временно скрывает проблему, но не устраняет причину.

Разбирайте события по хронологии и ищите первую точку расхождения с бизнес-правилом. Учитывайте повтор запроса, задержку события, параллельное выполнение и восстановление после временного отказа: именно в этих условиях проявляются ошибки согласованности и идемпотентности.

  • Всё хранится в одном поле.
  • Fuzzy включён для артикулов.
  • Синонимы циклические.
  • Индекс обновляется с задержкой.

Пошаговая диагностика

Создайте безопасный тестовый сценарий, который не затрагивает реальные списания, рассылки и клиентские данные. Назначьте операции единый correlation ID и проследите его через запрос, бизнес-логику, базу, очередь и внешние интеграции. Для каждого этапа сохраните вход, результат, код ответа, длительность и версию записи.

Сравните рабочий и ошибочный случаи по одним полям. Проверьте формат идентификаторов, часовой пояс, порядок событий, права сервисной учётной записи и актуальность конфигурации на каждом экземпляре. Если результат зависит от повтора, задержки или конкретного узла, это важная часть причины, а не случайность.

  • Используйте explain на примерах.
  • Сравните click-through.
  • Проверьте analyzer tokens.
  • Измерьте latency и cache.

Как строить релевантность каталога

Поиск сочетает текстовое совпадение, структуру каталога и проверенные бизнес-сигналы, а качество оценивается на фиксированном наборе запросов.

Надёжная реализация хранит бизнес-состояние явно. У каждого значимого действия есть стабильный идентификатор, владелец, версия правила и проверяемый переход статуса. Повторная доставка события не создаёт второе действие, а запоздавший ответ не возвращает объект в невозможное состояние.

  • Поля индексируются разными analyzers.
  • Exact match артикула имеет высокий вес.
  • Синонимы версионируются.
  • Фильтры не меняют текстовый score случайно.

Как исправить проблему

Разделите исправление кода и восстановление исторических данных. Сначала устраните подтверждённую первопричину, затем повторите исходный сценарий и только после этого готовьте контролируемую коррекцию записей. Для финансовых данных, прав и аудита предпочтительны компенсирующие действия, а не переписывание истории.

Для существующих записей сформируйте dry-run: объект, старое значение, предлагаемое новое значение и основание. Обновление должно быть идемпотентным, ограниченным точной выборкой и создавать отчёт. Любой временный обход ограничьте сроком, пользователями и областью действия.

  • Нормализуйте товарные данные.
  • Настройте field boosts и typo tolerance.
  • Добавьте controlled synonyms.
  • Внедрите offline eval и A/B rollout.

Безопасный порядок внедрения

  • Сохраните конфигурацию, связанные записи и необходимые журналы; отдельно проверьте реальное восстановление резервной копии.
  • Воспроизведите проблему на тестовом объекте и сохраните результат до изменения для последующего сравнения.
  • Внесите минимальное изменение под контролем версий, опишите причину, ожидаемый эффект и точный откат.
  • Проверьте нормальный сценарий, ошибочный ввод, повтор запроса, параллельную операцию и временный отказ зависимости.
  • Выпустите изменение на ограниченную долю трафика или один процесс, если архитектура это позволяет.
  • После стабильного наблюдения исправьте исторические данные отдельным контролируемым запуском.

Как проверить результат

Один успешный пример недостаточен. Проверьте крайние значения, одновременные действия, перезапуск процесса и восстановление после сбоя сети. Результат подтверждайте не только интерфейсом, но и состоянием базы, очереди, внешнего сервиса и журналом аудита. Особенно важна повторная доставка уже обработанного события.

Критерии приёмки сформулируйте заранее. Каждый пункт должен давать однозначный ответ, а не субъективную оценку. Если тест нельзя автоматизировать, сохраните короткий регрессионный чек-лист с тестовыми данными и ожидаемыми статусами.

  • Точные артикулы на первом месте.
  • Опечатка не расширяет выдачу чрезмерно.
  • Фильтры дают стабильный count.
  • Новый товар появляется в SLA.

Типичные ошибки при исправлении

  • Оптимизировать по одному запросу.
  • Смешивать популярность и релевантность без контроля.
  • Индексировать HTML-мусор.
  • Скрывать нулевую выдачу случайными товарами.

Не отключайте авторизацию, валидацию, TLS, аудит или контроль дублей ради исчезновения симптома. Такое изменение может сделать интерфейс успешным, но увеличить ущерб при следующем сбое. Временная мера должна иметь владельца, наблюдаемость и дату удаления.

Как предотвратить повторение

Профилактика строится вокруг явных контрактов, идемпотентных обработчиков, наблюдаемости и повторяемых релизов. Система должна быстро показывать нарушение правила после обновления, роста нагрузки или отказа интеграции. Ошибку, которая уже привела к потере денег, данных или заявок, закрепите автоматическим тестом.

Мониторьте полный пользовательский путь, а не только доступность серверов. Техническая метрика должна быть связана с бизнес-результатом: заказ завершён, доступ выдан, файл восстановлен, событие обработано один раз, данные изолированы. Уведомление должно содержать контекст для первого решения.

  • Zero-result rate.
  • CTR и conversion search.
  • NDCG или precision eval.
  • Index freshness и latency.

Что подготовить для технического разбора

  • Описание ожидаемого и фактического поведения с точной последовательностью действий.
  • Время возникновения, идентификатор тестового объекта и версии затронутых компонентов.
  • Обезличенные журналы до и после ошибки с единым correlation ID.
  • Список последних изменений, выполненных проверок и условий исчезновения симптома.
  • Безопасный доступ к тестовой среде либо минимальный пример без паролей, токенов и персональных данных.

Частые вопросы

Нужен ли AI?

Сначала стоит добиться качества обычного поиска; embeddings полезны как дополнительный сигнал.

Как учитывать популярность?

Как ограниченный boost, чтобы она не вытесняла точное совпадение.

Что делать с нулевой выдачей?

Показывать исправление запроса и близкие категории, сохраняя аналитику причины.

Когда нужна помощь специалиста

Если нужен умный поиск, я могу спроектировать индекс, релевантность и eval-набор. Для оценки нужны пример каталога и обезличенная статистика запросов.