Índice vectorial
Un índice para buscar similitud rápidamente entre vectores de alta dimensión (embeddings) — "encuentra los 10 vecinos más cercanos". La base de la búsqueda semántica, las recomendaciones y el RAG en sistemas de IA. Como la búsqueda exacta es demasiado lenta, se usan métodos aproximados (ANN).
Problema: con millones de embeddings de 1536 dimensiones, una búsqueda exacta de vecino más cercano (comparar contra todos) es insostenible. Los índices ANN (Approximate Nearest Neighbor) cambian algo de precisión por una velocidad enorme. Dos familias principales: basados en grafos (HNSW — rápido, hambriento de memoria) y basados en clústeres (IVF/IVFFlat — menos memoria, algo más lento). Métricas de distancia: coseno, L2, producto interno. Casos de uso: búsqueda semántica, "productos similares", pipelines de RAG que traen contexto relevante para un LLM. Se implementa en pgvector (Postgres), bases de datos vectoriales especializadas (Pinecone, Milvus, Qdrant, Weaviate) y librerías (FAISS). Una de las categorías de bases de datos que más rápido crece por el boom de la IA.