Introducao a Vector Databases

Vector databases sao sistemas especializados em armazenar, indexar e recuperar vetores de alta dimensao (embeddings). Eles sao essenciais para aplicacoes de IA modernas que precisam de busca semantica.

Por que Vector Databases?#

Bancos de dados tradicionais (SQL, NoSQL) sao otimizados para:

• Busca exata (WHERE nome = 'João')
• Ranges (WHERE preco < 100)

Mas nao conseguem fazer eficientemente:

• "Encontre documentos similares a este"
• "Quais produtos sao parecidos com este?"

Vector databases resolvem isso com busca por similaridade.

Como funcionam?#

1. Armazenamento - Guardam vetores (embeddings) com metadados
2. Indexacao - Criam estruturas para busca rapida (HNSW, IVF, etc.)
3. Busca ANN - Approximate Nearest Neighbor - encontra vetores mais proximos
4. Filtragem - Combinam busca vetorial com filtros de metadados

Principais Vector Databases#

Conceitos Importantes#

Indice HNSW#

Hierarchical Navigable Small World - estrutura de grafo que permite buscas muito rapidas sacrificando um pouco de precisao.

Approximate vs Exact#

• Exact - Encontra os K vizinhos mais proximos (lento)
• Approximate (ANN) - Encontra vizinhos "bons o suficiente" (rapido)

Metadados#

Informacoes adicionais associadas a cada vetor:

{
  "vector": [0.1, 0.2, ...],
  "metadata": {
    "source": "documento.pdf",
    "page": 5,
    "category": "financeiro"
  }
}

Exemplo com Chroma#

import chromadb
from chromadb.utils import embedding_functions

# Criar cliente
client = chromadb.Client()

# Criar colecao
openai_ef = embedding_functions.OpenAIEmbeddingFunction(
    api_key="sua-key",
    model_name="text-embedding-3-small"
)

collection = client.create_collection(
    name="documentos",
    embedding_function=openai_ef
)

# Adicionar documentos
collection.add(
    documents=["Python e uma linguagem de programacao",
               "JavaScript roda no navegador"],
    ids=["doc1", "doc2"]
)

# Buscar similares
results = collection.query(
    query_texts=["linguagens para web"],
    n_results=2
)

Quando usar cada um?#

• Prototipo rapido - Chroma, LanceDB
• Producao serverless - Pinecone
• Self-hosted robusto - Qdrant, Weaviate
• Ja usa PostgreSQL - pgvector

Recursos#

• Vector Databases - Cloudflare
• What are Vector Databases? - MongoDB

Checklist#

Conexoes#

Proximo passo: Aprenda a usar embeddings e vector databases juntos em rag-intro