Спроектируйте поиск по изображениям и тексту одновременно: как устроить мультимодальный поиск в каталоге?

Основа — общее векторное пространство для картинок и текста: модель вроде CLIP кодирует и фото, и запрос так, что близость измеряется одной метрикой. Дальше обычный конвейер: индекс приближённых соседей по эмбеддингам изображений, фильтры по атрибутам (цена, наличие, категория) и переранжирование с учётом текстового совпадения и бизнес-сигналов. Отдельная работа — фильтры: их нельзя применять после поиска, иначе выдача схлопывается.