O que é um banco vetorial
Um banco vetorial guarda cada item como uma lista de números, o vetor, e responde a perguntas por proximidade. A busca devolve os itens mais parecidos com o vetor consultado, não os que têm campo igual.
O vetor vem de um modelo que transforma texto, imagem ou áudio em números. O banco não entende o conteúdo: ele compara distâncias e devolve os vizinhos mais próximos.
Dimensão, distância e índice
A dimensão é definida pelo modelo e precisa ser a mesma em todos os vetores da coleção. Misturar modelos na mesma coleção produz comparação sem sentido.
A distância mede a proximidade, e a escolha entre cosseno, produto interno e distância euclidiana muda o resultado. Para volume alto, o índice aproximado distribui os vetores em estruturas que evitam varrer a coleção inteira.
Onde ele entra na aplicação
O uso mais comum é a recuperação de trechos antes da chamada ao modelo, no fluxo de RAG. A busca vetorial seleciona o material, e o modelo recebe esse material como parte da entrada.
O resultado depende da qualidade do trecho, do modelo e do índice. Vetor não corrige documento desatualizado nem pergunta mal formulada.
Como conferir
Compare os resultados com perguntas reais e confira se os trechos devolvidos respondem à pergunta. Meça a latência com o volume esperado e verifique se o filtro por metadado está sendo aplicado na etapa certa.
Para revisar a recuperação e a base do seu projeto, a Formação Vibe Coding trata da construção com modelos. Quando você precisa de acompanhamento técnico, o Desenvolvimento Colaborativo da Dev Side Studio permite conferir a implementação durante a sessão.
Dúvidas frequentes
Perguntas frequentes sobre Banco vetorial
- Banco vetorial substitui o banco relacional?
- Não. Ele resolve a busca por similaridade. Cadastro, venda, permissão e histórico continuam em um [banco de dados](/glossario/banco-de-dados/) relacional. Muitos projetos usam o vetor como extensão do banco que já existe.
- O que é a dimensão do vetor?
- É a quantidade de números que representa cada item, definida pelo modelo que gera o [embedding](/glossario/embedding/). Trocar de modelo muda a dimensão e exige gerar os vetores de novo.
- Por que a busca não compara todos os registros?
- Porque a comparação completa cresce com o volume. O índice aproximado reduz o custo e aceita perder um pouco de precisão. O equilíbrio entre recall e velocidade é a escolha central do índice.
- O filtro por metadado funciona junto da similaridade?
- Depende da implementação. Alguns índices aplicam o filtro antes da busca, outros depois. A ordem muda o resultado e o custo, e a conferência precisa usar registros reais do projeto.
Para continuar
Recursos relacionados
Repositório
pgvector: extensão para PostgreSQL
Mostra tipos, índices e operadores de similaridade no PostgreSQL.
Abrir recursoDocumentação
Cloudflare: Vectorize
Apresenta o serviço de índice vetorial da Cloudflare.
Abrir recursoAplicação na formação
Vibe Coding: Do Zero ao MVP
Na Formação Vibe Coding, o banco vetorial aparece quando a aplicação precisa recuperar trechos por sentido antes de chamar o modelo.
Conhecer a formação
Fontes consultadas
Referências deste verbete
Este verbete ajudou você?
Obrigado pela resposta. Ela fica salva apenas neste navegador.