Pipeline de RAG con Supabase pgvector
Esta lección trata sobre cómo construir un pipeline de RAG con pgvector en Supabase para búsqueda semántica.
Como una biblioteca que clasifica los libros por tema y no solo por título — RAG convierte el texto en números que representan su significado, y así encuentra documentos similares aunque las palabras sean distintas.
- Embedding
- Una representación numérica de un texto en un espacio vectorial que conserva su significado.
- pgvector
- Una extensión de PostgreSQL para almacenar y buscar vectores directamente en la base de datos.
- HNSW
- Hierarchical Navigable Small World — un algoritmo de índice para la búsqueda rápida de vecinos más cercanos.
- Similitud coseno
- Una medida de similitud entre vectores basada en el ángulo que forman — 1 = idénticos, 0 = ortogonales.
