Bazy wektorowe
Bazy wektorowe umożliwiają wyszukiwanie semantyczne — zamiast szukać po dokładnym dopasowaniu słów, system rozumie znaczenie tekstu i znajduje podobne treści.
Jak to działa?
- Embedding — każdy tekst jest konwertowany na wektor liczbowy (1536 wymiarów) przez model AI
- Przechowywanie — wektory są zapisywane w bazie wraz z oryginalnym tekstem i metadanymi
- Wyszukiwanie — pytanie użytkownika jest zamieniane na wektor i porównywane z zapisanymi wektorami (cosine distance)
- Wyniki — system zwraca najlepiej dopasowane wpisy
Zastosowania
- RAG (Retrieval-Augmented Generation) — wzbogacanie odpowiedzi AI o kontekst z bazy wiedzy
- Wyszukiwarka semantyczna — znajdowanie podobnych dokumentów, artykułów, FAQ
- Chat z bazą wiedzy — zadajesz pytanie, AI odpowiada na podstawie Twoich dokumentów
Wymagania
Baza wektorowa wymaga connectora AI (OpenAI, Gemini lub Claude) z obsługą embeddingów do generowania wektorów.
Wpisy
Każdy wpis w bazie wektorowej zawiera:
- Treść tekstową
- Wektor embedding
- Metadane
- Opcjonalnie link do wpisu bazy wiedzy (KB)