RAG en Producción · Lección 07
¿Qué problema resuelven los índices de búsqueda aproximada de vecinos más cercanos (ANN), como HNSW, frente a una búsqueda exacta que compara la consulta contra todos los vectores almacenados?
Reducen drásticamente el tiempo de búsqueda al evitar comparar la consulta contra absolutamente todos los vectores almacenados, a cambio de una pequeña probabilidad de no encontrar el resultado exactamente más cercano posible
Los índices ANN garantizan encontrar siempre el resultado exacto más cercano posible, sin ninguna probabilidad de error o aproximación
Solo son relevantes si la base de datos vectorial tiene menos de 100 vectores almacenados en total
Eliminan por completo la necesidad de tener embeddings generados previamente para los documentos
RAG en Producción · Lección 07
Completa el código
HNSW significa Hierarchical Navigable Small
Revisa: HNSW significa Hierarchical Navigable Small World.
RAG en Producción · Lección 07
¿Por qué una búsqueda exacta comparando contra millones de vectores almacenados sería impráctica en tiempo real, justificando aceptar el tradeoff de precisión que ofrece un índice ANN?
Pista: comparar la consulta contra cada uno de millones de vectores almacenados individualmente tomaría un tiempo proporcional al tamaño total de la colección, resultando en una latencia inaceptable para una respuesta en tiempo real; el índice ANN acelera dramáticamente esa búsqueda a cambio de una pequeña probabilidad de no encontrar el resultado exactamente más cercano posible.
✓
¡Lección completada!
Índices ANN — HNSW y IVF
0
XP ganado
3
Vidas restantes