Busca vetorial com um armazenamento vetorial
Recupere as passagens mais relevantes.
Busca vetorial com um armazenamento vetorial é uma aula grátis de NLP Academy no CoddyKit. Esta é a aula 3 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de NLP Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de NLP Academy inclui 4 aulas no total.
O que um armazenamento vetorial faz
Um armazenamento vetorial contém as incorporações dos seus segmentos e encontra rapidamente os mais próximos de uma consulta, mesmo entre milhões de vetores.
Pesquisa por similaridade
Em vez de comparar palavras-chave, você compara o significado. O armazenamento retorna os segmentos cujos vetores estão mais próximos do vetor da consulta.
Similaridade de cosseno
A medida de distância mais comum é a similaridade de cosseno. Ela compara o ângulo entre dois vetores; assim, quanto mais próximos em significado, maior a pontuação.
Faça a incorporação da consulta da mesma forma
A pergunta deve usar o mesmo modelo que os seus segmentos. Incorporações incompatíveis ficam em espaços diferentes e não podem ser comparadas.
query_vec = model.encode(["How do I reset my password?"])Recuperação dos principais K
Raramente você quer todas as correspondências. Peça ao armazenamento os top-k segmentos mais próximos, em que k é um número pequeno, como 3 ou 5.
Um armazenamento simples na memória
Para dados pequenos, o FAISS mantém os vetores na memória e faz pesquisas em milissegundos. Você cria um índice e depois adiciona seus vetores.
import faiss
index = faiss.IndexFlatIP(384)
index.add(vectors)Executando uma pesquisa
Chame search com o vetor da consulta e k. Ele retorna as pontuações e os índices dos segmentos com melhor correspondência.
scores, ids = index.search(query_vec, k=3)Mapeando os resultados de volta para o texto
O armazenamento fornece índices, não texto. Use-os para localizar os segmentos originais armazenados junto com os vetores.
hits = [chunks[i] for i in ids[0]]Bancos de dados vetoriais persistentes
Em aplicações reais, um banco de dados vetorial como Chroma ou Pinecone armazena os vetores em disco, aumenta a escala e permanece disponível após reinicializações.
Filtragem com metadados
Anexe etiquetas, como autor ou data, a cada vetor. Assim, você pode filtrar a pesquisa, por exemplo, para obter apenas segmentos de um documento.
Por que a pesquisa aproximada ajuda
A pesquisa exata fica lenta em grande escala. Índices de vizinhos mais próximos aproximados trocam uma pequena parcela de precisão por enormes ganhos de velocidade.
Verificação rápida
Lembre-se de como um armazenamento vetorial encontra segmentos relevantes.
Recapitulação
Um armazenamento vetorial transforma a consulta em uma incorporação, encontra os segmentos mais próximos entre os top-k por similaridade e mapeia os resultados de volta para o texto. ✅
Aprenda Python com um tutor de IA — grátis
Escreva e execute código real no seu navegador, obtenha ajuda instantânea de um tutor de IA 24/7 e continue de onde parou na web ou no app.
- Cursos
- 30
- Aulas
- 120
Perguntas Frequentes
A aula “Busca vetorial com um armazenamento vetorial” é grátis?
Sim — o texto completo de “Busca vetorial com um armazenamento vetorial” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de NLP Academy, atualize para CoddyKit PRO. O curso de NLP Academy inclui 4 aulas no total.
O que vou aprender em “Busca vetorial com um armazenamento vetorial”?
Recupere as passagens mais relevantes. Você pratica NLP Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar NLP Academy?
Nenhuma experiência prévia é necessária. NLP Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 3 de 4.
Quanto tempo leva a aula “Busca vetorial com um armazenamento vetorial”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de NLP Academy?
Sim. Cada aula de NLP Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Por que LLMs precisam de recuperação
- Dividindo e gerando embeddings de documentos
- Busca vetorial com um armazenamento vetorial
- Integrando a recuperação ao prompt