Vector Database 101

Database untuk arah makna

Vector database menyimpan embedding dan menjawab: "vektor mana yang paling dekat dengan query ini?" — pencarian approximate nearest neighbor (ANN) dalam skala jutaan.

Jarak yang dipakai

• Cosine similarity — sudut antar vektor; standar untuk teks (arah makna, abstraksi panjang).
• Dot product / L2 — tergantung normalisasi model embedding-mu; baca dokumentasinya.

Pilihan populer

| Tool | Karakter | |---|---| | pgvector | Postgres + ekstensi; tidak menambah infra baru | | Qdrant | Rust, cepat, filter metadata kaya | | Weaviate | Fitur hybrid bawaan | | FAISS | Library, bukan service; untuk riset/embedded |

Kalau kamu sudah pakai Supabase/Postgres — pgvector adalah default yang waras: satu database untuk data relasional dan vektor.

Hybrid search: kombinasi yang menang

Pencarian vektor lemah pada kode, nama produk, istilah eksak (nomor invoice, nama orang). Solusi: gabungkan BM25/keyword + vektor lalu merge ranking-nya (reciprocal rank fusion):

skor(d) = Σ 1 / (k + rank_i(d))   untuk tiap retriever i

Hybrid hampir selalu mengalahkan pure-vector pada korpus dokumen nyata. Gunakan sebagai default, bukan optimasi terakhir.