HostBase
Wektory i AI

Baza wektorowa, która jest też bazą danych.

pgvector w każdym projekcie. Przechowuj embeddingi obok danych relacyjnych, wyszukuj semantycznie i buduj RAG bez synchronizacji z osobną bazą wektorową.

pgvector 0.8Indeksy HNSWBez osobnej bazy wektorowejGotowe pod RAG
search.sql
create extension if not exists vector;

create table documents (
  id bigserial primary key,
  content text,
  embedding vector(1536)
);

create index on documents using hnsw (embedding vector_cosine_ops);

select content from documents
order by embedding <=> $1
limit 5;

Możliwości

Co dostajesz w Vector

pgvector i HNSW

Indeksy HNSW i IVFFlat dla szybkiego wyszukiwania na milionach wektorów.

Wyszukiwanie hybrydowe

Łącz podobieństwo wektorowe z pełnotekstowym i filtrami SQL.

Dowolny model

OpenAI, Anthropic, Cohere, Mistral czy modele open-source — to tylko kolumna vector.

RLS dla embeddingów

Użytkownik wyszukuje tylko w swoich dokumentach — bez dodatkowego kodu.

Automatyczne embeddingi

Wyzwalacze i Edge Functions generujące wektory przy zapisie wiersza.

Serwer MCP

Agenci AI odpytują Twoją bazę przez Model Context Protocol.

Zastosowania

Do czego zespoły tego używają

Chatboty z wiedzą firmową

RAG na dokumentacji, regulaminach i bazie wiedzy.

Wyszukiwarka semantyczna

Wyniki według znaczenia, nie tylko słów kluczowych.

Rekomendacje

Podobne produkty i treści na podstawie embeddingów.

Zbuduj w weekend. Skaluj do milionów.

Załóż darmowy projekt w 2 minuty. Bez karty kredytowej, bez pauzowania po tygodniu.