XEYE frente a pgvector: cuál elegir

¿En qué se diferencian?

¿Cuándo es mejor elegir pgvector?

• Ya usas PostgreSQL y los datos viven ahí: no hay nada que sincronizar.
• Quieres control total del modelo, del ranking y de dónde están los datos.
• Tienes un desarrollador cómodo escribiendo el proceso de embeddings y la consulta híbrida en SQL.
• No quieres un coste por búsqueda ni depender de otro proveedor.

¿Cuándo encaja XEYE?

• No tienes Postgres, o no tienes un desarrollador de backend: una tienda sin código, un sitio estático o una sección de preguntas frecuentes.
• No quieres elegir un modelo, recalcular embeddings cuando cambia un elemento ni ajustar la mezcla de coincidencia difusa y semántica.
• El volumen es lo bastante pequeño para que el pago por uso cueste menos que el tiempo de ingeniería.

¿Qué tengo que construir con pgvector?

La búsqueda en sí es una consulta corta. Esta devuelve los diez elementos más cercanos a un vector:

-- The ten elements closest in meaning to the query.
-- $1 is the query embedding: you compute it with the same model as the catalogue.
SELECT id, text, 1 - (embedding <=> $1) AS similarity
FROM elements
ORDER BY embedding <=> $1
LIMIT 10;

Lo que rodea a esa consulta es el trabajo real:

1. Elegir un modelo de embeddings y dónde ejecutarlo: un servicio de pago por uso o un modelo propio.
2. Calcular el vector de cada elemento y recalcularlo cuando su texto cambia.
3. Calcular el vector de cada consulta con el mismo modelo, antes de ejecutar el SQL.
4. Añadir la parte de texto: búsqueda de texto completo o pg_trgm para erratas, y una forma de fusionar los dos resultados.
5. Ajustar y vigilar los índices a medida que crecen los datos.

Ninguno de estos pasos es difícil para un equipo con experiencia, y el resultado es tuyo. Para un equipo sin ella, es una pieza más que mantener.

¿Qué le falta a XEYE?

Tus datos tienen que copiarse al servicio y mantenerse al día a mano. No hay filtros ni uniones con el resto de tus tablas, no eliges la fórmula de ranking y no hay acuerdo de nivel de servicio. Si ya tienes los datos en Postgres, esa copia es justo lo que pgvector te evita.

Fuentes

• Repositorio de pgvector: tipos, índices, operadores y búsqueda híbrida.
• Módulo pg_trgm, en la documentación de PostgreSQL.