Weaviate: căutare hibridă și RAG integrat (generative search) în Baze de Date Vectoriale: sintaxă, interogare și exemple

articole = client.collections.use("ArticolTehnic") raspuns = articole.generate.hybrid( query="arhitectură microservicii securitate", alpha=0.7, limit=4, grouped_task="Explică principalele vulnerabilități descrise în aceste articole.", ) print(raspuns.generative.text)

Weaviate este o bază de date vectorială open-source cu integrare de modele: poate vectoriza datele și interogările și poate trimite rezultatele căutării la un model generativ (RAG) în aceeași cerere. Modelul generativ se configurează implicit pe colecție sau se dă la interogare cu generative_provider (de la v1.30).

Interfața collection.generate din clientul Python v4 are aceleași metode de căutare ca collection.query (near_text, hybrid, bm25 etc.), plus single_prompt (un răspuns generat pentru fiecare obiect, cu proprietăți inserate ca {nume_proprietate}) și grouped_task (un singur răspuns pentru toate rezultatele). Rezultatele sunt în obiect.generative.text și raspuns.generative.text.

API-ul GraphQL este depreciat și va fi oprit în Weaviate Cloud la 1 mai 2027; clienții actuali folosesc gRPC. La căutarea hibridă, alpha = 1 înseamnă doar vectori și 0 doar BM25; valoarea implicită pe server este 0,75, dar documentația avertizează că efectul implicit depinde de client și de versiune, deci recomandă setarea explicită.

Concepte cheie și caracteristici

Concept / Parametru	Descriere practică
`client.collections.use("Nume")`	Obiectul colecției în clientul v4 actual.
`generate.near_text / hybrid / bm25`	Căutare plus generare în aceeași cerere.
`single_prompt`	Prompt aplicat fiecărui obiect; proprietățile se inserează cu `{proprietate}`.
`grouped_task`	Sarcină aplicată tuturor rezultatelor împreună (RAG clasic).
`generative_provider=GenerativeConfig.openai()`	Alege modelul generativ la interogare, în locul celui configurat pe colecție.
`alpha`	Ponderea vectorilor în `hybrid` (0–1).
`fusion_type`	`HybridFusion.RELATIVE_SCORE` (implicit de la v1.24) sau `RANKED`.

Exemple practice și scenarii reale

Exemplul 1: Conectare locală cu cheia furnizorului generativ

import os
import weaviate

headers = {"X-OpenAI-Api-Key": os.environ["OPENAI_API_KEY"]}
with weaviate.connect_to_local(headers=headers) as client:
    articole = client.collections.use("ArticolTehnic")

Exemplul 2: Răspuns per obiect și răspuns de grup

from weaviate.classes.generate import GenerativeConfig

raspuns = articole.generate.near_text(
    query="securitate containere",
    limit=3,
    single_prompt="Rezumă într-o frază: {continut}",
    grouped_task="Ce recomandări au în comun aceste articole?",
    generative_provider=GenerativeConfig.openai(),
)
for o in raspuns.objects:
    print(o.generative.text)
print(raspuns.generative.text)

Exemplul 3: Căutare hibridă fără generare, cu scorurile explicate

from weaviate.classes.query import MetadataQuery

r = articole.query.hybrid(query="docker", alpha=0.5, limit=3,
                          return_metadata=MetadataQuery(score=True, explain_score=True))

Greșeli frecvente și capcane

Folosești raspuns.generated sau client.collections.get() din exemplele mai vechi. Documentația actuală folosește .generative.text și collections.use().
Lași alpha nesetat și te bazezi pe valoarea implicită. Setează-l explicit și testează mai multe valori pe datele tale.
Uiți cheia API a furnizorului generativ în antetele conexiunii; pasul de generare eșuează, chiar dacă căutarea merge.

`Weaviate: căutare hibridă și RAG integrat (generative search)` în Baze de Date Vectoriale & Căutare Semantică