Temario Lección 156 de 250 · Construye una canalización RAG
Construye una canalización RAG

Un almacén vectorial diminuto

Una vez dividido un documento en fragmentos y convertido cada fragmento en un vector, necesitas un sitio donde guardar esos vectores y una forma de preguntar "¿qué vectores guardados apuntan más parecido a esta consulta?". Eso es un almacén vectorial. Pinecone, Chroma, FAISS y pgvector son versiones de producción de esta idea, pero el núcleo es lo bastante pequeño como para construirlo a mano, y construirlo una vez significa que entiendes lo que esos servicios hacen de verdad.

La métrica de recuperación es la similitud coseno: el coseno del ángulo entre dos vectores, a . b / (|a| |b|). Premia los vectores que apuntan en la misma dirección e ignora su longitud, que es lo que quieres para el texto, donde un pasaje largo y uno corto pueden tratar de lo mismo. Una puntuación cercana a 1 significa "dirección muy parecida"; cercana a 0 significa "sin relación".

Construirás una clase para que el almacén tenga memoria entre llamadas. La barrera que protege estas lecciones no simula métodos de clase, así que la salvaguarda aquí es que tu search debe devolver el orden correcto de vecinos más cercanos para varias consultas distintas: solo las matemáticas reales del coseno aciertan en todas.

import numpy as np

class VectorStore:
    def __init__(self):
        self.ids = []
        self.vectors = []

    def add(self, id, text, vector):
        self.ids.append(id)
        self.vectors.append(np.asarray(vector, dtype=float))

    def search(self, query_vec, k):
        q = np.asarray(query_vec, dtype=float)
        scored = []
        for vec_id, v in zip(self.ids, self.vectors):
            denom = np.linalg.norm(q) * np.linalg.norm(v)
            sim = float(q @ v / denom) if denom else 0.0
            scored.append((vec_id, sim))
        scored.sort(key=lambda pair: pair[1], reverse=True)
        return scored[:k]

Qué construir. Implementa class VectorStore con:

  • add(id, text, vector), que guarde el id, el texto y el vector (guarda el vector como un array de floats de numpy).
  • __len__, para que len(store) devuelva cuántos elementos hay guardados.
  • un atributo ids (una lista) para que quien llama pueda ver lo que se añadió.
  • search(query_vec, k), que devuelva los k vecinos más cercanos como una lista de tuplas (id, similarity) ordenadas por similitud descendente, con la longitud limitada a k.

Usa numpy.argsort o una ordenación simple sobre las puntuaciones. Pulsa Ejecutar para añadir unos cuantos vectores etiquetados y ver cuáles trae primero una consulta.

Tu turno

Implementa class VectorStore con add(id, text, vector) (guarda el id, el texto y el vector como un array float de numpy), __len__ que devuelva el número de elementos, una lista pública ids, y search(query_vec, k) que devuelva las k mejores tuplas (id, similarity) por similitud coseno, la más alta primero, limitadas a k. Un vector cero debe puntuar 0.0, no provocar un fallo.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.