gemini-embedding-2 の検索精度が伸びないとき、最初に task_type を疑う
gemini-embedding-2 の検索が惜しい外れ方をするとき、原因は task_type の指定漏れや不一致であることが多いです。ドキュメントとクエリで用途を揃え、再現率を取り戻す実装と検証手順をまとめました。
公開前に「意味が近すぎる過去記事」を弾く — Gemini Embedding でトピック共食いを防ぐ類似ゲート
記事数が数百本を超えると、新しく書いた記事が過去記事と検索面で共食いを起こします。gemini-embedding-2 で本文の意味ベクトルを持ち、公開前にコサイン類似で近すぎる既存記事を弾くゲートを、動くコードと閾値の決め方まで実装します。
画像生成モデルを乗り換えると品質は静かに落ちる — 人手レビューなしで検知する自動ゲートの設計
preview から GA への画像モデル移行で、出力品質が落ちていないかを目視に頼らず検証する3層ゲートの実装です。決定的プロパティ検査・マルチモーダル埋め込み類似度・Gemini によるブリーフ遵守スコアを Python のコードでつなぎ、しきい値とカットオーバー手順まで整理しました。
Gemini Embedding の次元を 3072 から 768 へ切り詰める — ベクトルDBのコストとレイテンシを下げる Matryoshka 設計
gemini-embedding-001 は 3072 次元の埋め込みを返しますが、Matryoshka 表現のおかげで前方だけを切り出しても精度がほとんど落ちません。次元を 768 へ削ってベクトルDBのストレージとレイテンシを下げる設計を、再正規化の落とし穴と粗密二段検索のコード付きで組み立てます。
Gemini Embedding モデルを切り替える日：無停止リインデックスの設計
埋め込みモデルを新しくすると、過去に作った全ベクトルが使えなくなります。サービスを止めずに数十万件のベクトルを作り直す二重インデックス方式を、再開可能な再生成ジョブとクエリ側の抽象化層のコード付きで設計します。
Embedding APIでアプリレビュー1万件を意味クラスタリングして改善優先度を割り出す設計
5,000万DLを支える壁紙アプリで貯まり続けるレビューを、Gemini Embeddingで意味クラスタに束ねて改善優先度を割り出す。実運用で固まった3層パイプラインとコスト設計の勘所を残します。
Gemini API のセマンティックキャッシュ設計 — 埋め込みベース回答キャッシュで API コストを実用的に下げる
Gemini Embedding を使ったセマンティックキャッシュの設計と実装。完全一致キャッシュが効かない自由文プロンプトに対して、類似度しきい値・バージョン付きキー・TTL を組み合わせ、ヒット率と品質の両立を目指す実装パターンを Python と Cloudflare Vectorize のコード付きで解説します。
Gemini API Embedding で踏んだ3つの地雷 — 壁紙アプリのカテゴリ自動分類で遭遇したエラーと対処法
Gemini API Embedding を壁紙アプリのカテゴリ自動分類に組み込んだ際に踏んだ3つのエラー（INVALID_ARGUMENT・RESOURCE_EXHAUSTED 429・RAG精度低下）と実際の修正コードを紹介します。
Gemini Embedding をブラウザに持たせる — IndexedDB でサーバーレスな FAQ 検索を作った話
数千件規模のFAQやヘルプ記事を、サーバーを立てずにブラウザ側で意味検索する設計を実装した記録です。Gemini Embedding を build 時に一度だけ叩き、IndexedDB にキャッシュして cosine 類似度で引きます。
Gemini Embedding の output_dimensionality を 768 から 256 に切り詰めたら、ベクトル DB のストレージが 3 分の 1 になりました
個人開発の壁紙アプリで gemini-embedding-001 の出力次元を 768 から 256 へ削った経験をもとに、Matryoshka 表現の切り詰めとストレージ・コスト・精度のトレードオフを、移行手順・int8 量子化のコード・本番ロールアウトのチェックリストまで実数で記録します。
Gemini API × sqlite-vec で作る超軽量 RAG — 個人開発向けの本番設計と運用パターン
個人開発で RAG を動かしたいけれど、Pinecone の月額や Qdrant のメモリ要件で手が止まっている方向けの実装ガイドです。Gemini の埋め込み API と sqlite-vec を組み合わせて、サーバー1台で動く検索可能なノート基盤を本番品質で組み上げるまでを、コード付きで解説します。
TurboQuantをRAG・ベクトル検索に応用する — KVキャッシュ圧縮技術の新しい活用法
Google TurboQuantの圧縮技術はLLM推論だけでなく、RAGパイプラインのベクトルデータベースにも応用可能です。埋め込みベクトルの圧縮によるメモリ効率化、検索速度向上、大規模RAGシステムへの実装アプローチを解説します。