Codica - корисне про IT on Telegram: “Як це працює на практиці за 4 кроки: 1️⃣ Додаємо…”

Як це працює на практиці за 4 кроки:

1️⃣ Додаємо гем та вмикаємо розширення:


# Gemfile
gem “pgvector”

Створюємо міграцію:
class EnablePgvector < ActiveRecord::Migration[7.1]
  def change
    enable_extension “vector”
  end
end

2️⃣ Додаємо векторну колонку до моделі:


class AddEmbeddingToProducts < ActiveRecord::Migration[7.1]
  def change
    # 1536 — розмірність для стандартних векторів OpenAI (text-embedding-3-small)
    add_column :products, :embedding, :vector, limit: 1536
  end
end

3️⃣ Підключаємо магію в ActiveRecord:


class Product < ApplicationRecord
  has_neighbors :embedding
end

4️⃣ Робимо семантичний пошук у коді:


# Отримуємо вектор від AI для пошукового запиту “теплий худі на зимову погоду”
user_vector = OpenAIClient.embed(“теплий худі на зимову погоду“)

# Шукаємо найближчі товари за косинусною відстаню прямо через SQL:
@nearest_products = Product.nearest_neighbors(:embedding, user_vector, distance: “cosine”).first(5)

🔥 Чому це круто:
• Жодних сторонніх сервісів — все всередині вашої Postgres.
• Повна підтримка стандартних з’єднань, scope та фільтрів ActiveRecord.
• Легко масштабується до мільйонів записів за допомогою HNSW індексів.

А ви вже пробували впроваджувати векторний пошук у своїх Rails-проектах чи поки використовуєте звичайний Full-Text Search? 👇

TikTok | Instagram | Telegram