#ベクトルデータベース
「ベクトルデータベース」に関する記事一覧。Kuu株式会社のブログでは、AIエージェントガバナンスとDXの観点から ベクトルデータベース に関連するノウハウを 4 件発信しています。
埋め込み検索でqueryとdocumentを分けて指定する理由
埋め込み検索では質問と文書を別の役割で埋め込みます。Voyageはinput_type、Gemini Embedding 2は指示プレフィックスで指定する仕組みと、小規模コーパスでの検証手順を整理します。
RRFでBM25とベクトル検索の順位を束ねる設計
BM25とベクトル検索はスコア尺度が違うため、RRFは順位だけを使い1/(rank+k)の合計で統合します。k=60の意味、候補件数、rerankerとの分担を表で解説。
埋め込みモデル移行を止めずに行う二重インデックス切替設計
RAGの埋め込みモデルは再埋め込みと別インデックス構築で無停止移行できます。pgvectorの2,000次元上限やalias切替など、エンタープライズ向けの設計手順を整理します。
RAGエージェント向けベクトルDB選定——pgvector・Weaviate・Qdrant・Pineconeの使い分け
AIエージェントRAG基盤のベクトルDB選定を解説。pgvectorは50M以下でコスト優位、Weaviateはハイブリッド検索特化、Qdrantは高速フィルタ、Pineconeは100M+自動スケールが強みです。
