PGVectorStore utilizează extensia vector din PostgreSQL pentru a stoca embeddings și a executa căutări de tip HNSW sau IVFFlat alături de datele relaționale convenționale, beneficiind de tranzacții ACID și securitate nativă.
from llama_index.vector_stores.postgres import PGVectorStore
from llama_index.core import StorageContext, VectorStoreIndex
vector_store = PGVectorStore.from_params(
database="enterprise_db",
host="localhost",
password="pass",
port=5432,
user="postgres",
table_name="vectori_documente",
embed_dim=1536
)
storage_context = StorageContext.from_defaults(vector_store=vector_store)
index = VectorStoreIndex.from_documents(documents, storage_context=storage_context)Scalare simplificată: Evită gestionarea unui cluster separat de baze vectoriale dacă compania rulează deja PostgreSQL.
Întrebări & Exemple practice:
PGVectorStore: Indexare și Căutare Vectorială în PostgreSQLAi o întrebare despre PGVectorStore: Indexare și Căutare Vectorială în PostgreSQL sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.