Búsqueda vectorial
Almacene y busque miles de millones de vectores junto a sus datos operativos. Tres tipos de índice de vectores permiten a los equipos optimizar la escala, realizar consultas filtradas o realizar búsquedas híbridas, y Couchbase Lite ejecuta la búsqueda de vectores en el dispositivo. Como parte del Couchbase AI Data Plane™, la búsqueda de vectores proporciona a las aplicaciones RAG y los agentes de IA un contexto preciso y actual.
¿Para qué se utiliza la búsqueda vectorial en una base de datos?
La búsqueda vectorial proporciona resultados con los vecinos más cercanos sin necesidad de una correspondencia directa. El texto, las imágenes, el audio y el vídeo se convierten en representaciones matemáticas y se utilizan para la búsqueda semántica o para superar los desafíos de la IA mediante el uso de marco de generación mejorada mediante recuperación (RAG). En el nivel empresarial, la búsqueda vectorial suele servir de motor a los agentes de IA y a los asistentes de lenguaje natural, así como a la búsqueda híbrida que combina predicados de rango, texto y vectorial, y a la analítica de datos que detecta similitudes y anomalías. Couchbase ofrece índices vectoriales de tipo Hyperscale, Composite y Search para mejorar la precisión de RAG y los agentes a escala sin comprometer el rendimiento ni los costes operativos, y Couchbase Lite permite la búsqueda vectorial en dispositivos móviles y de gama ultra-low-end.
Complexidad
Una base de datos vectorial independiente añade trabajos de sincronización, administración, costos y latencia al conjunto de la aplicación. Couchbase almacena los vectores, los datos operativos y la memoria de los agentes en una sola plataforma.
Latencia
Retornar los resultados lo más rápido posible es fundamental para los usuarios. Los saltos adicionales y la mala indexación perjudican la experiencia del usuario. La búsqueda vectorial en el propio dispositivo elimina por completo la vuelta al servidor.
Seguridad
Cree aplicaciones de inteligencia artificial sin alimentar datos corporativos a modelos públicos y proporcione a los usuarios resultados precisos y actualizados. Con Couchbase Lite, las consultas sensibles se pueden realizar en el dispositivo.
Escalabilidad
Couchbase ha demostrado su capacidad para manejar miles de millones de vectores con tiempos de respuesta de milisegundos, por lo que su aplicación puede escalar a nivel global sin limitaciones.
Capacidades de búsqueda de vectores
Las aplicaciones y agentes de IA precisos dependen de la recuperación rápida de los datos actuales. Couchbase integra la búsqueda vectorial en la misma plataforma que ejecuta las cargas de trabajo operativas, desde clústeres de billones de vectores en la nube hasta aplicaciones que se ejecutan en un único dispositivo.
Plataforma de datos de IA para aplicaciones de agentes
La búsqueda vectorial es una de las capas del plano de datos de Couchbase AI, junto con la memoria de agentes, el servidor MCP y el servicio de modelos. agentes Obtenga acceso a la memoria, el contexto y los datos gestionados desde una sola plataforma.
Indización vectorial flexible
Elige Hyperscale para conjuntos de datos de vectores de billones de valores, Composite para consultas filtradas o Search para búsqueda híbrida de palabras clave y semántica, y adapta cada carga de trabajo a sus necesidades de rendimiento, capacidad de recuperación y coste.
Rendimiento a escala de miles de millones
Los índices vectoriales de gran escala mantienen los centros de agrupamiento en memoria y los vectores en el disco, por lo que se puede buscar miles de millones de vectores con una alta eficiencia de búsqueda sin tener que almacenarlos todos en la memoria RAM.
Suporte de la nube hasta el extremo
Couchbase Lite ejecuta búsquedas vectoriales y híbridas en dispositivos iOS, Android, escritorio y aplicaciones integradas, y se sincroniza con Couchbase Capella, por lo que las aplicaciones de inteligencia artificial de nivel de borde responden localmente y continúan funcionando independientemente de la conectividad.
Búsqueda de similitud, búsqueda híbrida
La similitud es una herramienta poderosa, pero los escenarios del mundo real requieren una búsqueda híbrida que abarque texto, geolocalización, rangos y datos operativos. Con múltiples opciones de indexación, los desarrolladores pueden ajustar precisamente su estrategia de búsqueda híbrida para obtener un rendimiento y una relevancia óptimos.
Aplicaciones Agentic y RAG
Los agentes de IA necesitan un contexto relevante, una memoria duradera y un acceso controlado a los datos en tiempo real. En el plano de datos de AI de Couchbase, la búsqueda por vectores funciona junto a la memoria de los agentes y al servidor MCP para ofrecer todas estas características. Con la tecnología RAG, los equipos pueden hacer que las aplicaciones de IA sean más seguras, precisas y actualizadas.
Detención de fraudes y anomalías
Al convertir el comportamiento y las transacciones de los usuarios en vectores, esos patrones pueden compararse con otras representaciones vectoriales similares que podrían indicar fraude. La búsqueda de vectores es eficaz para manejar datos de alto nivel de dimensión y realizar comparaciones de similitud.
Los bordes y las aplicaciones de inteligencia artificial para dispositivos móviles
La búsqueda de vectores en dispositivos móviles y embebidos ofrece los beneficios de la computación en la frontera: tiempos de respuesta de milisegundos, menor ancho de banda y costos de salida a la nube, además de resultados personalizados sin que los datos sensibles salgan del dispositivo. Las aplicaciones siguen ofreciendo servicios a los usuarios durante las interrupciones de la red, y Couchbase Lite 4.1 añade la sincronización peer-to-peer mediante Bluetooth para equipos que trabajan fuera del alcance de la red.
La opinión de los clientes
-
“Las nuevas capacidades de búsqueda por vectores de Couchbase transforman la forma en que ofrecemos la detección de vídeo con conocimiento de contexto a las empresas.”
Ian MerringtonDirector Técnico, Seenit92%
implementación más rápida de nuevas funciones
-
“Los datos de comunicación en tiempo real de Couchbase y las consultas de alta concurrencia mejoran significativamente el rendimiento y la estabilidad de la aplicación de asistente de inteligencia artificial.”
Andy Qiu, Director General, Jinmu70M
documentos
Colegas diversos trabajando en equipo para crear una nueva aplicación utilizando un portátil durante una reunión en un lugar de trabajo moderno. -
"Couchbase Search nos permite ofrecer resultados de búsqueda de clientes a partir de conjuntos de datos extremadamente grandes de forma muy eficiente".
Brant Burnett, Arquitecto de Sistemas, CenterEdge Software360°
insights de los clientes para sus clientes
Personas que trabajan con computadoras, documentos y conversan. -
“Lo que Couchbase ha hecho con SQL++ ha sido una de las cosas más innovadoras realizadas en el ámbito de las bases de datos en décadas.”
Bill HouseVicepresidente de Ingeniería, SWARM Engineering400%
tiempo de planificación más rápido
Preguntas frecuentes sobre la búsqueda de vectores
Responemos rápidamente a las preguntas sobre la búsqueda vectorial de Couchbase, incluyendo cómo se compara con las bases de datos vectoriales independientes, qué tipos de índices usar y cómo soporta las cargas de trabajo de edge y RAG.
Couchbase es una plataforma multimodela que combina la búsqueda vectorial de alto rendimiento con técnicas de búsqueda de texto, geospaciales y otras, eliminando la necesidad de una base de datos vectorial independiente.
Couchbase admite tres tipos principales de índices: Hyperscale para conjuntos de datos de escala milmillonaria, Composite para búsquedas filtradas de alta velocidad y Search para consultas semánticas-cláusulas clave híbridas.
Sí. Couchbase Lite ejecuta búsquedas vectoriales y híbridas en iOS, Android, PC y dispositivos embebidos, por lo que las funciones de inteligencia artificial responden localmente, mantienen las consultas confidenciales y funcionan independientemente de la conectividad.
Couchbase almacena los embeddings junto con los datos de origen, y el AI Data Plane puede generarlos automáticamente a partir de datos estructurados e inestructurados, lo que permite que los LLMs recuperen un contexto empresarial preciso y privado.
La búsqueda híbrida de vectores combina la similitud semántica, las palabras clave, los filtros geográficos y de alcance en una sola consulta. Couchbase ejecuta todos los predicados en una sola pasada sin fusionar los resultados en el lado de la aplicación.
Sigue explorando
-
DOCUMENTACIÓN
Introducción a la búsqueda vectorial
-
TUTORIAL
Crear búsqueda semántica con índices vectoriales de tipo Hyperscale y Composite
-
BENCHMARK
Pruebas de búsqueda vectoriales: Couchbase es 350 veces más rápido que MongoDB a escala de billones de registros