Yuki Tanaka

Yuki is a former Stripe data engineer (2017-2022) who spent her last eighteen months there building the internal Airflow-to-dbt migration tooling used by the revenue team. She left to join a 12-person AI startup as employee #4, where she shipped a LangChain-based contract-review pipeline now processing roughly 40,000 documents a month for mid-market legal teams. She's deep on the retrieval side: chunking strategies that don't shred tables, hybrid BM25+dense rerankers, and the surprisingly hard problem of evaluating RAG quality without paying for human raters. Her PR adding parent-document retriever support to LlamaIndex's PostgreSQL store landed in late 2024. Nine years in data and ML platform work. Based in Seattle, mostly writes Python, reluctantly writes TypeScript when n8n forces her hand.

مقالات نوشته Yuki Tanaka

راهنمای عملی روتینگ LLM: کاهش ۸۵٪ هزینه API با LiteLLM و RouteLLM در ۲۰۲۶
آموزش‌ها

راهنمای عملی روتینگ LLM: کاهش ۸۵٪ هزینه API با LiteLLM و RouteLLM در ۲۰۲۶

روتینگ هوشمند LLM با هدایت هر درخواست به مدل مناسب، هزینه API را تا ۸۵٪ کاهش می‌دهد. در این راهنما با LiteLLM Router، RouteLLM و ساخت روتر سفارشی همراه با کد Python و بنچمارک‌های واقعی آشنا می‌شوید.

Yuki Tanaka 9 دقیقه مطالعه
پایگاه‌های داده برداری ۲۰۲۶: مقایسه عملی Pinecone، Qdrant، Weaviate، Milvus و Chroma برای RAG
آموزش‌ها

پایگاه‌های داده برداری ۲۰۲۶: مقایسه عملی Pinecone، Qdrant، Weaviate، Milvus و Chroma برای RAG

راهنمای جامع و عملی برای انتخاب پایگاه داده برداری مناسب در سال ۲۰۲۶: مقایسه دقیق Pinecone، Qdrant، Weaviate، Milvus و Chroma از نظر عملکرد، قیمت و سهولت استفاده، همراه با کد آماده برای پیاده‌سازی RAG.

Yuki Tanaka 11 دقیقه مطالعه
آموزش Function Calling و Tool Use در مدل‌های زبانی بزرگ: پیاده‌سازی عملی با Python
آموزش‌ها

آموزش Function Calling و Tool Use در مدل‌های زبانی بزرگ: پیاده‌سازی عملی با Python

Function Calling قابلیتی‌ست که مدل‌های زبانی بزرگ را از تولیدکننده متن به عامل‌های هوش مصنوعی تبدیل می‌کند. در این راهنما، پیاده‌سازی عملی با OpenAI و Claude API، حلقه ابزار برای عامل‌ها و بهترین شیوه‌های تولید را با کد آماده اجرا بررسی می‌کنیم.

Yuki Tanaka 12 دقیقه مطالعه
راهنمای جامع سیستم‌های چندعامله هوش مصنوعی: معماری، LangGraph و CrewAI در ۲۰۲۶
آموزش‌ها

راهنمای جامع سیستم‌های چندعامله هوش مصنوعی: معماری، LangGraph و CrewAI در ۲۰۲۶

سیستم‌های چندعامله AI رو از صفر تا صد یاد بگیرید: الگوهای معماری، مقایسه LangGraph و CrewAI، پیاده‌سازی عملی با پایتون، استراتژی‌های واگذاری، مدیریت خطا و بهترین شیوه‌های تولید.

Yuki Tanaka 20 دقیقه مطالعه