Postgres-native Vektorsuche für Agenten- und RAG-Workflows mit pgvector hinzufügen
Speichern Sie Embeddings neben Anwendungsdaten in Postgres, erstellen Sie Vektorindizes und fragen Sie die nächsten Nachbarn für semantische Suche, RAG, Empfehlungen oder Agentengedächtnisabruf ab.
Voraussetzungen
Postgres 13+, pgvector-Erweiterung, SQL-Zugriff auf die Zieldatenbank, Embeddings aus dem Agenten- oder RAG-Pipeline und Anwendungscode, der Postgres abfragen kann
Installation
Verwenden Sie den upstream-Installations- oder Setup-Pfad, der Ihrer Umgebung entspricht:
- git clone --branch v0.8.2 https://github.com/pgvector/pgvector.git
- make
- make install # möglicherweise sudo erforderlich
- Führen Sie dann die Installationsanweisungen erneut aus (führen Sie make clean vor make aus, falls erforderlich). Wenn sudo für make install benötigt wird, verwenden Sie:
Anforderungen und Hinweise von upstream:
- Sie können es auch mit Docker, Homebrew, PGXN, APT, Yum, pkg, APK oder conda-forge installieren, und es ist vorinstalliert mit [Postgres.app](#...
- Sie können es auch mit Docker oder conda-forge installieren.
- Oder laden Sie Vektoren in Bulk mit COPY (Beispiel)
Grundlegende Nutzung oder erste Schritte:
-
Kompilieren und installieren Sie die Erweiterung (unterstützt Postgres 13+)
-
cd /tmp
-
cd pgvector
-
Aus upstream-Dokumentation extrahiert: https://raw.githubusercontent.com/pgvector/pgvector/HEAD/README.md