README
¶
pgvector — RAG с PostgreSQL + pgvector
Интерактивный RAG-чат с pgvector как постоянным векторным хранилищем. Схема БД создаётся автоматически при первом запуске через MigratePGVector (идемпотентно).
Быстрый старт
1. Запустите PostgreSQL с pgvector:
docker compose up -d
2. Запустите пример:
PGVECTOR_DSN="postgres://draftrag:draftrag@localhost:5432/draftrag?sslmode=disable" \
EMBEDDER_API_KEY=sk-... \
LLM_API_KEY=sk-... \
go run ./examples/pgvector/
Переменные окружения
| Переменная | По умолчанию | Описание |
|---|---|---|
PGVECTOR_DSN |
— | Обязательно. DSN для подключения к PostgreSQL |
TABLE_NAME |
draftrag_example |
Имя таблицы для хранения чанков |
EMBEDDING_DIM |
1536 |
Размерность векторов (должна совпадать с моделью) |
EMBEDDER_API_KEY |
— | Обязательно. Ключ API для embedder |
EMBEDDER_BASE_URL |
https://api.openai.com |
Базовый URL embedder API |
EMBEDDER_MODEL |
text-embedding-ada-002 |
Модель эмбеддингов |
LLM_API_KEY |
— | Обязательно. Ключ API для LLM |
LLM_BASE_URL |
https://api.openai.com |
Базовый URL LLM API |
LLM_MODEL |
gpt-4o-mini |
Языковая модель |
Размерность векторов
Размерность должна соответствовать используемой модели эмбеддингов:
| Модель | EMBEDDING_DIM |
|---|---|
text-embedding-ada-002 |
1536 |
text-embedding-3-small |
1536 |
text-embedding-3-large |
3072 |
nomic-embed-text (Ollama) |
768 |
Если размерность изменилась после первого запуска — нужно пересоздать таблицу или использовать другое TABLE_NAME.
Миграции
MigratePGVector создаёт таблицу и индекс при первом запуске. Повторный запуск безопасен — миграции идемпотентны.
Для production рекомендуется применять SQL-миграции отдельным шагом деплоя:
psql $PGVECTOR_DSN -f pkg/draftrag/migrations/pgvector/0000_pgvector_extension.sql
psql $PGVECTOR_DSN -f pkg/draftrag/migrations/pgvector/0001_chunks_table.sql
psql $PGVECTOR_DSN -f pkg/draftrag/migrations/pgvector/0002_metadata_and_indexes.sql
Локальный режим (Ollama)
ollama pull nomic-embed-text
ollama pull llama3.2
PGVECTOR_DSN="postgres://draftrag:draftrag@localhost:5432/draftrag?sslmode=disable" \
EMBEDDING_DIM=768 \
EMBEDDER_BASE_URL=http://localhost:11434 \
EMBEDDER_API_KEY=ollama \
EMBEDDER_MODEL=nomic-embed-text \
LLM_BASE_URL=http://localhost:11434 \
LLM_API_KEY=ollama \
LLM_MODEL=llama3.2 \
go run ./examples/pgvector/
Documentation
¶
Overview ¶
Пример RAG с pgvector (PostgreSQL) — пример использования draftRAG.
Запускает интерактивный RAG-чат с pgvector как векторным хранилищем. Схема БД создаётся автоматически через MigratePGVector при первом запуске.
Быстрый старт с Docker:
docker compose up -d PGVECTOR_DSN="postgres://draftrag:draftrag@localhost:5432/draftrag?sslmode=disable" \ EMBEDDER_API_KEY=sk-... LLM_API_KEY=sk-... \ go run ./examples/pgvector/
Переменные окружения:
PGVECTOR_DSN — DSN для PostgreSQL (обязательно) EMBEDDER_BASE_URL — базовый URL embedder API (по умолчанию: https://api.openai.com) EMBEDDER_API_KEY — ключ API для embedder (обязательно) EMBEDDER_MODEL — модель embeddings (по умолчанию: text-embedding-ada-002) LLM_BASE_URL — базовый URL LLM API (по умолчанию: https://api.openai.com) LLM_API_KEY — ключ API для LLM (обязательно) LLM_MODEL — модель LLM (по умолчанию: gpt-4o-mini) TABLE_NAME — имя таблицы pgvector (по умолчанию: draftrag_chunks) EMBEDDING_DIM — размерность векторов (по умолчанию: 1536 для ada-002)
Source Files