PGVector base de datos vectorial

PostgreSQL con extensión pgvector

PostgreSQL es una de las bases de datos relacionales más utilizadas en entornos empresariales, y con la extensión pgvector se convierte en una solución híbrida que combina las capacidades tradicionales de SQL con el almacenamiento y búsqueda de vectores.

La extensión pgvector añade un tipo de dato específico para vectores y operadores optimizados para realizar búsquedas de similitud. A diferencia de las soluciones especializadas como ChromaDB, pgvector mantiene todas las garantías ACID de PostgreSQL.

Configuración del entorno con Docker

Para comenzar a trabajar con pgvector, la forma más sencilla es utilizar Docker Compose:

version: '3.8'

services:
  postgres:
    container_name: pgvector
    image: pgvector/pgvector:pg17
    ports:
      - "5434:5432"
    environment:
      POSTGRES_USER: postgres
      POSTGRES_PASSWORD: postgres
      POSTGRES_DB: postgres
    volumes:
      - postgres_data:/var/lib/postgresql/data

volumes:
  postgres_data:

Esta configuración utiliza el puerto 5434 para evitar conflictos con instalaciones locales de PostgreSQL.

Para iniciar el servicio:

docker-compose up -d

Instalación de dependencias Python

Una vez que el contenedor está ejecutándose, instala las dependencias de Python:

pip install langchain-postgres psycopg[binary]

Verificación de la conexión

Antes de trabajar con vectores, verifica que la conexión funciona correctamente:

import psycopg

connection_string = "postgresql://postgres:postgres@localhost:5434/postgres"

with psycopg.connect(connection_string) as conn:
    with conn.cursor() as cur:
        cur.execute("CREATE EXTENSION IF NOT EXISTS vector;")
        
        cur.execute("SELECT * FROM pg_extension WHERE extname = 'vector';")
        result = cur.fetchone()
        
        if result:
            print("Extensión pgvector instalada correctamente")

Características empresariales de pgvector

La principal ventaja de pgvector en entornos empresariales radica en su integración nativa con PostgreSQL. Esto significa que puedes combinar búsquedas vectoriales con consultas SQL tradicionales:

# Ejemplo conceptual de consulta híbrida
query = """
SELECT 
    documento.titulo,
    documento.fecha_creacion,
    embedding <-> %s as distancia
FROM documentos documento
WHERE documento.categoria = 'tecnico'
    AND documento.fecha_creacion > '2025-01-01'
ORDER BY embedding <-> %s
LIMIT 5;
"""

PGVector en LangChain

La integración de PGVector con LangChain se realiza a través del paquete langchain-postgres.

Configuración básica del vectorstore

from langchain_postgres import PGVector
from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-small")

vector_store = PGVector(
    embeddings=embeddings,
    collection_name="documentos_empresa",
    connection="postgresql+psycopg://postgres:postgres@localhost:5434/postgres",
)

Operaciones básicas con documentos

Una vez configurado el vectorstore, puedes realizar las operaciones estándar:

from langchain_core.documents import Document

documentos = [
    Document(
        page_content="PostgreSQL es una base de datos relacional robusta",
        metadata={"categoria": "base_datos", "autor": "equipo_dev"}
    ),
    Document(
        page_content="LangChain facilita el desarrollo de aplicaciones con LLM",
        metadata={"categoria": "framework", "autor": "equipo_ia"}
    ),
    Document(
        page_content="Los vectores permiten búsquedas semánticas avanzadas",
        metadata={"categoria": "ia", "autor": "equipo_ia"}
    )
]

ids = vector_store.add_documents(documentos)
print(f"Documentos añadidos con IDs: {ids}")

Búsquedas por similitud

PGVector en LangChain soporta diferentes métodos de búsqueda:

query = "¿Qué es una base de datos?"
resultados = vector_store.similarity_search(query, k=2)

for doc in resultados:
    print(f"Contenido: {doc.page_content}")
    print(f"Metadata: {doc.metadata}")

Para obtener también las puntuaciones de similitud:

resultados_con_score = vector_store.similarity_search_with_score(query, k=2)

for doc, score in resultados_con_score:
    print(f"Puntuación: {score:.4f}")
    print(f"Contenido: {doc.page_content}")

Filtrado por metadatos

Una de las ventajas de PGVector es su capacidad para combinar búsquedas vectoriales con filtros tradicionales:

filtro = {"categoria": "ia"}
resultados_filtrados = vector_store.similarity_search(
    query="búsquedas semánticas",
    k=3,
    filter=filtro
)

print(f"Encontrados {len(resultados_filtrados)} documentos en categoría 'ia'")

Gestión de colecciones

PGVector permite trabajar con múltiples colecciones dentro de la misma base de datos:

vector_store_manuales = PGVector(
    embeddings=embeddings,
    collection_name="manuales_tecnicos",
    connection="postgresql+psycopg://postgres:postgres@localhost:5434/postgres"
)

vector_store_faqs = PGVector(
    embeddings=embeddings,
    collection_name="preguntas_frecuentes",
    connection="postgresql+psycopg://postgres:postgres@localhost:5434/postgres"
)

Integración con LCEL

PGVector se integra perfectamente con LangChain Expression Language (LCEL):

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

chat_model = ChatOpenAI(model="gpt-5")
prompt = ChatPromptTemplate.from_template(
    "Basándote en el siguiente contexto: {context}\n\nResponde a: {question}"
)

retriever = vector_store.as_retriever(search_kwargs={"k": 3})

chain = (
    {"context": retriever, "question": lambda x: x["question"]}
    | prompt
    | chat_model
    | StrOutputParser()
)

respuesta = chain.invoke({"question": "¿Qué ventajas tiene PostgreSQL?"})
print(respuesta)

Esta integración con LangChain permite que PGVector funcione como un componente estándar en aplicaciones RAG, manteniendo la familiaridad de la API mientras se beneficia de las garantías empresariales de PostgreSQL.

En la siguiente lección aprenderemos sobre reranking, una técnica avanzada para mejorar la relevancia de los resultados recuperados.