11. Texto → Embedding → Vector [0.12, -0.34, ...]
22. Vector se guarda en la BD
33. Query → Embedding → Buscar vectores similares
44. Devolver resultados ordenados por similitud

1pip install chromadb

1import chromadb
2from chromadb.utils import embedding_functions
3 
4# Crear cliente
5client = chromadb.Client()
6 
7# Usar embeddings de OpenAI
8openai_ef = embedding_functions.OpenAIEmbeddingFunction(
9    api_key="sk-...",
10    model_name="text-embedding-3-small"
11)
12 
13# Crear colección
14collection = client.create_collection(
15    name="mis_documentos",
16    embedding_function=openai_ef
17)
18 
19# Añadir documentos
20collection.add(
21    documents=[
22        "Python es un lenguaje de programación",
23        "JavaScript se usa para desarrollo web",
24        "El café es una bebida con cafeína"
25    ],
26    ids=["doc1", "doc2", "doc3"]
27)
28 
29# Buscar
30results = collection.query(
31    query_texts=["lenguajes de programación"],
32    n_results=2
33)
34 
35print(results['documents'])
36# [['Python es un lenguaje de programación',
37#   'JavaScript se usa para desarrollo web']]

1# Cliente con persistencia
2client = chromadb.PersistentClient(path="./chroma_db")
3 
4# Los datos se guardan automáticamente

1pip install pinecone-client

1from pinecone import Pinecone, ServerlessSpec
2 
3# Inicializar
4pc = Pinecone(api_key="tu-api-key")
5 
6# Crear índice
7pc.create_index(
8    name="mi-indice",
9    dimension=1536,  # dimensión de text-embedding-3-small
10    metric="cosine",
11    spec=ServerlessSpec(
12        cloud="aws",
13        region="us-east-1"
14    )
15)
16 
17# Conectar al índice
18index = pc.Index("mi-indice")

1from openai import OpenAI
2 
3openai = OpenAI()
4 
5def get_embedding(text):
6    response = openai.embeddings.create(
7        model="text-embedding-3-small",
8        input=text
9    )
10    return response.data[0].embedding
11 
12# Insertar
13documents = [
14    {"id": "1", "text": "Python es genial"},
15    {"id": "2", "text": "JavaScript para web"},
16]
17 
18vectors = []
19for doc in documents:
20    embedding = get_embedding(doc["text"])
21    vectors.append({
22        "id": doc["id"],
23        "values": embedding,
24        "metadata": {"text": doc["text"]}
25    })
26 
27index.upsert(vectors=vectors)
28 
29# Buscar
30query_embedding = get_embedding("programación")
31results = index.query(
32    vector=query_embedding,
33    top_k=3,
34    include_metadata=True
35)
36 
37for match in results["matches"]:
38    print(f"{match['score']:.3f}: {match['metadata']['text']}")

1-- En PostgreSQL
2CREATE EXTENSION vector;

1CREATE TABLE documents (
2    id SERIAL PRIMARY KEY,
3    content TEXT,
4    embedding vector(1536)
5);

1import psycopg2
2from openai import OpenAI
3 
4openai = OpenAI()
5conn = psycopg2.connect("postgresql://...")
6cur = conn.cursor()
7 
8def get_embedding(text):
9    response = openai.embeddings.create(
10        model="text-embedding-3-small",
11        input=text
12    )
13    return response.data[0].embedding
14 
15# Insertar
16text = "Python es un lenguaje de programación"
17embedding = get_embedding(text)
18 
19cur.execute(
20    "INSERT INTO documents (content, embedding) VALUES (%s, %s)",
21    (text, embedding)
22)
23conn.commit()
24 
25# Buscar (similitud coseno)
26query = "lenguajes de código"
27query_embedding = get_embedding(query)
28 
29cur.execute("""
30    SELECT content, 1 - (embedding <=> %s::vector) as similarity
31    FROM documents
32    ORDER BY embedding <=> %s::vector
33    LIMIT 5
34""", (query_embedding, query_embedding))
35 
36for row in cur.fetchall():
37    print(f"{row[1]:.3f}: {row[0]}")