vectorize
在PostgreSQL中封装RAG向量检索服务
仓库
ChuckHend/pg_vectorize
https://github.com/ChuckHend/pg_vectorize
源码
pg_vectorize-0.26.0.tar.gz
pg_vectorize-0.26.0.tar.gz
概览
| 扩展包名 | 版本 | 分类 | 许可证 | 语言 |
|---|---|---|---|---|
pg_vectorize | 0.26.0 | RAG | PostgreSQL | Rust |
| ID | 扩展名 | Bin | Lib | Load | Create | Trust | Reloc | 模式 |
|---|---|---|---|---|---|---|---|---|
| 1830 | vectorize | 否 | 是 | 否 | 是 | 否 | 否 | vectorize |
| 相关扩展 | pg_cron pgmq vector vchord vectorscale pg_summarize pg_tiktoken pg4ml pgml pg_later pg_similarity |
|---|
版本
| 类型 | 仓库 | 版本 | PG 大版本 | 包名 | 依赖 |
|---|---|---|---|---|---|
| EXT | PIGSTY | 0.26.0 | 1817161514 | pg_vectorize | pg_cron, pgmq, vector |
| RPM | PIGSTY | 0.26.0 | 1817161514 | pg_vectorize_$v | pgmq_$v, pg_cron_$v, pgvector_$v |
| DEB | PIGSTY | 0.26.0 | 1817161514 | postgresql-$v-pg-vectorize | postgresql-$v-pgmq, postgresql-$v-pg-cron, postgresql-$v-pgvector |
构建
您可以使用 pig build 命令构建 pg_vectorize 扩展的 RPM / DEB 包：
pig build pkg pg_vectorize # 构建 RPM / DEB 包
安装
您可以直接安装 pg_vectorize 扩展包的预置二进制包，首先确保 PGDG 和 PIGSTY 仓库已经添加并启用：
pig repo add pgsql -u # 添加仓库并更新缓存
使用 pig 或者是 apt/yum/dnf 安装扩展：
pig install pg_vectorize; # 当前活跃 PG 版本安装
pig ext install -y pg_vectorize -v 18 # PG 18
pig ext install -y pg_vectorize -v 17 # PG 17
pig ext install -y pg_vectorize -v 16 # PG 16
pig ext install -y pg_vectorize -v 15 # PG 15
pig ext install -y pg_vectorize -v 14 # PG 14
dnf install -y pg_vectorize_18 # PG 18
dnf install -y pg_vectorize_17 # PG 17
dnf install -y pg_vectorize_16 # PG 16
dnf install -y pg_vectorize_15 # PG 15
dnf install -y pg_vectorize_14 # PG 14
apt install -y postgresql-18-pg-vectorize # PG 18
apt install -y postgresql-17-pg-vectorize # PG 17
apt install -y postgresql-16-pg-vectorize # PG 16
apt install -y postgresql-15-pg-vectorize # PG 15
apt install -y postgresql-14-pg-vectorize # PG 14
创建扩展：
CREATE EXTENSION vectorize CASCADE; -- 依赖: pg_cron, pgmq, vector
用法
pg_vectorize：在 Postgres 上进行向量搜索的最简方式。 来源：README.md
一个 Postgres 扩展，自动化文本到嵌入向量的转换和编排，并提供与最流行 LLM 的集成。可以快速搭建和自动维护向量搜索、全文搜索和混合搜索，帮助你在 Postgres 上快速构建 RAG 和搜索引擎。
该项目重度依赖 pgvector（向量相似度搜索）、pgmq（后台工作进程编排）和 SentenceTransformers。
API 文档：https://chuckhend.github.io/pg_vectorize/
概览
pg_vectorize 提供两种方式为任意 Postgres 添加语义搜索、全文搜索和混合搜索，方便在 Postgres 上构建检索增强生成（RAG）。
模式概览：
- HTTP 服务器（适用于托管数据库）：运行一个独立服务连接 Postgres 并暴露 REST API（
POST /api/v1/table、GET /api/v1/search）。 - Postgres 扩展（SQL）：将扩展安装到 Postgres 中，使用
vectorize.table()和vectorize.search()等 SQL 函数（需要 Postgres 的文件系统访问权限）。
快速开始 – HTTP 服务器
使用 docker compose 在本地运行 Postgres 和 HTTP 服务：
# 运行 Postgres、嵌入向量服务器和管理 API
docker compose up -d
将示例数据集加载到 Postgres（可选）：
psql postgres://postgres:postgres@localhost:5432/postgres -f server/sql/example.sql
通过 HTTP API 创建嵌入向量任务。这会为现有数据生成嵌入向量，并持续监控更新或新数据：
curl -X POST http://localhost:8080/api/v1/table -d '{
"job_name": "my_job",
"src_table": "my_products",
"src_schema": "public",
"src_columns": ["product_name", "description"],
"primary_key": "product_id",
"update_time_col": "updated_at",
"model": "sentence-transformers/all-MiniLM-L6-v2"
}' -H "Content-Type: application/json"
{"id":"16b80184-2e8e-4ee6-b7e2-1a068ff4b314"}
使用 HTTP API 搜索：
curl -G \
"http://localhost:8080/api/v1/search" \
--data-urlencode "job_name=my_job" \
--data-urlencode "query=camping backpack" \
--data-urlencode "limit=1" \
| jq .
[
{
"description": "Storage solution for carrying personal items on ones back",
"fts_rank": 1,
"price": 45.0,
"product_category": "accessories",
"product_id": 6,
"product_name": "Backpack",
"rrf_score": 0.03278688524590164,
"semantic_rank": 1,
"similarity_score": 0.6296013593673706,
"updated_at": "2025-10-05T00:14:39.220893+00:00"
}
]
选择哪种模式？
- 当 Postgres 是托管的（RDS、Cloud SQL 等）或无法安装扩展时，使用 HTTP 服务器。只需数据库中有
pgvector即可，HTTP 服务单独运行。 - 当自托管 Postgres 且可以安装扩展时，使用 Postgres 扩展。提供数据库内体验和直接的 SQL API 进行向量化和 RAG。
快速开始 – Postgres 扩展（SQL）
CREATE EXTENSION vectorize CASCADE;
使用 vectorize.table() 创建嵌入向量任务，使用 vectorize.search() 直接从 SQL 进行语义搜索。