Base de datos vectorial open source para búsqueda semántica, híbrida y agéntica
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.
Casos de uso
- RAG en producción con BM25 + vector
- Motores de recomendación a escala
- Memoria de agentes con MCP Weaviate
- SaaS multi-tenant
- Migración desde prototipos in-memory
Funciones principales
- Búsqueda vector, keyword e híbrida con filtrado
- Vectorizadores integrados (OpenAI, Cohere, HuggingFace, etc.)
- Multi-tenant, replicación, RBAC y cuantización
- Weaviate Agents en Cloud
- MCP integrado v1.37.1 en /v1/mcp
Relacionados
Relacionados
3 Entradas indexadas
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.
Chroma
Chroma documenta en docs.trychroma.com una base de embeddings open source para almacenar y consultar vectores, metadatos y texto en clientes Python y JavaScript. Cubre colecciones en memoria, almacenamiento persistente, servidor self-hosted y Chroma Cloud con tokens. APIs: add/query/get/update/delete, funciones de embedding e híbrido para RAG y memoria de agentes.
Supabase
Supabase documenta en supabase.com/docs una plataforma Postgres open source: base de datos, autenticación, storage, Edge Functions, realtime y búsqueda vectorial. APIs REST/GraphQL, RLS, CLI local y SDKs tipados para apps web y móviles.