Vector Engine (PGvector)

Vector Engine (PGvector)#

Vector Engine#

Vector Engine は EDB Postgres® AI EDB PG AIの一部であり、Postgresデータベースで直接高度な ベクトル検索 および ハイブリッド検索 機能を有効にします。

オープンソースの PGvector 拡張機能を活用して、高次元ベクトルデータの効率的なストレージと類似性検索を提供します。これは、 検索拡張生成RAG 、 セマンティック検索 、およびインテリジェントアプリケーションの基本的な機能です。

PGvectorは、オープンソースコミュニティによって維持される独立した拡張機能です。 EDB PG AIは、スタックの一部としてPGvectorを活用します。

  • Pipelines and data preparation は、埋め込みモデルを使用してベクター列を自動的に入力できます。

  • Gen AI Builder およびナレッジベースは、PGvectorによる取得を使用します。

  • PGvectorを独立して使用することもできます。これは独自のコンポーネントではありません。

---

Vector Engineを使用するのは誰ですか?#

Vector Engineは次の目的に設計されています。

  • PostgresをベースにRAGパイプラインとセマンティック検索を構築する データチーム

  • Developers 既存のPostgresデータと統合するGen AIアシスタントを構築

  • 分析チーム ベクトルベースの検索パターンでBIとアナリティクスを強化

  • 埋め込みと結果を管理する必要がある ソブリンAI ソリューションを設計する アーキテクト

アプリケーションが ベクターエンベディング を使用し、Postgresにベクターとソースデータの両方を保持したい場合 — Vector Engineは、スケーラブルな実稼働対応のパスを提供します。

---

それは何を提供しますか?#

その中核として、Vector Engine — PGvectorを使用して — は以下を追加します。

  • vector 列タイプ — 高次元ベクトルデータを保存するため

  • 距離ファンクション

  • vector <-> vector — ユークリッド距離L2

  • vector <#> vector — 内積

  • vector <=> vector — コサイン距離

  • 近似最近傍ANN インデックスのサポート

  • IVFFlatインデックスタイプ

  • 精度と速度のバランスをとるためのlists およびprobes を調整可能

PGvector 自分自身はオープンソースです — EDB PG AIはそれを使用して以下を強化します。

  • ナレッジベースでの取得 Gen AI Builder 経由

  • パイプラインベースのRAGパイプラインでのベクトル検索

  • PostgresのハイブリッドAI + SQLクエリパターン

---

Vectorエンジンの仕組み#

  1. PostgresデータベースにPGvectorをインストールして有効にします。

CREATE EXTENSION IF NOT EXISTS vector;

  1. テーブルにベクター列を定義します。

ALTER TABLE documents ADD COLUMN embedding vector(768);

  1. 高速類似性検索のためのインデックスベクトル列

CREATE INDEX ON documents USING ivfflat (embedding vector_l2_ops) WITH (lists = 100);

Pipelines and data preparation を使用してエンベディングを生成

または、外部埋め込みモデルを使用し、ベクトルを手動で挿入します

  1. 類似性検索を使用したクエリー

SELECT id, content
FROM documents
ORDER BY embedding <-> [0.12, 0.34, 0.56, ...]::vector
LIMIT 5;

Vector Engineを使用する必要がある場合#

次の場合にVector Engineを使用します。

  • 独自のデータの基礎を必要とするGen AIまたはAI搭載アプリケーションを構築している

  • ドキュメント、Webページ、ナレッジベース全体でセマンティック検索を実行したい

  • ソブリンAIアーキテクチャが必要です — エンベディングとソースデータが完全にPostgresクラスター内にあります

  • 統合データプラットフォームでハイブリッド構造化+非構造化検索をサポートしたい

  • EDB PG AIおよびAI Acceleratorパイプラインを使用してRAGパイプラインを開発している

ユースケースの例#

  • Enterprise RAG Assistants — ナレッジベースの取得とLLMを組み合わせます

  • 内部セマンティック検索 — 複数のリポジトリにわたって企業コンテンツを検索します

  • レコメンドシステム — コンテンツまたは製品の類似性検索

  • ビジョン/オーディオの類似性 — 画像またはオーディオの埋め込み検索

AI AcceleratorパイプラインおよびGen AI Builderとの統合#

AIアクセラレーター Pipelines を使用すると、次のことが簡単にできます。

AI Factory Pipelines では、次のことが簡単にできます。

  • ドキュメントをベクトル化し、Postgresベクター列を設定します

  • RAGパイプラインを自動化およびオーケストレーションする

  • ベクトル化にサポートされている埋め込みモデルを使用する

  • Pipelines は、ナレッジベースを構築するときにPGvectorベースの取得を使用します。

ベクトル化にサポートされている埋め込みモデルを使用する

Pipelines は、ナレッジベースを構築するときにPGvectorベースの取得を使用します。

ナレッジベースはPostgresベクター列に埋め込みをストアします

類似性検索にPGvectorファンクションを使用したRAGフロークエリー

次のステップ#

  • AIアクセラレーターパイプラインについて学ぶ

  • ベクトル化パターンのパイプラインプリペアラーの例を探索する

  • サポートされている埋め込みモデルの確認

  • Gen AI BuilderナレッジベースとRAGパイプラインを探索する

  • PGvectorの完全なドキュメントを参照してください

EDB PG AI Vector Engineは、データ、埋め込み、コントロールを使用した強力なソブリンAIソリューションをPostgresエステートに直接構築するのに役立ちます。

目次