Motor de búsqueda open source con vector, semántica e híbrida
Typesense documenta en typesense.org/docs un motor open source con búsqueda tolerante a typos, facetas y vectores. Vector search: KNN con embeddings importados o auto-generados vía OpenAI, PaLM o modelos ts/* en Hugging Face. Híbrida con rank fusion y alpha; similar por ID; HNSW y flat_search_cutoff. Cloud o self-hosted con API REST.
Casos de uso
- E-commerce con descubrimiento semántico
- RAG con filtros + similitud
- Recomendaciones por ID de documento
- Búsqueda sin DB vectorial separada
- Prototipos con MCP comunitario
Funciones principales
- KNN con embeddings importados o auto
- Híbrida keyword + semántica
- Modelos ts/* y embedders OpenAI/PaLM
- Full-text con typos y facetas
- Cloud o self-hosted con multi_search
Relacionados
Relacionados
3 Entradas indexadas
Weaviate
Weaviate documenta en docs.weaviate.io/weaviate una base vectorial open source para objetos y embeddings con búsqueda semántica, keyword e híbrida, RAG y agentes. Incluye Docker/Kubernetes, Weaviate Cloud, Query Agent y Embeddings gestionados. Clientes: Python (weaviate-client v4, Weaviate 1.23.7+), TypeScript, Go, Java vía REST/gRPC/GraphQL.
Milvus
Milvus documenta en milvus.io/docs una base vectorial de alto rendimiento con filtrado de metadatos e híbrida. Modos: Milvus Lite, Standalone (Docker) y Distributed (Kubernetes). SDKs: PyMilvus, Go, Java, Node.js; Zilliz Cloud gestionado. Arquitectura desacoplada con object storage (MinIO, S3, Azure).
Qdrant
Qdrant documenta en qdrant.tech/documentation un motor de búsqueda vectorial para almacenar, indexar y consultar vectores de alta dimensión con payloads opcionales (densos, dispersos y multi-vector). Cubre Docker/Kubernetes, Qdrant Cloud, Hybrid/Private Cloud y Qdrant Edge. Clientes oficiales: Python, JS/TS, Rust, Go, Java y .NET vía REST/gRPC.