¿Qué es Embeddings?

Representación numérica (vector) de un texto, imagen u otro dato, donde elementos con significado similar quedan cerca en el espacio vectorial.

Los embeddings convierten texto en listas de números que capturan significado semántico. Dos frases con sentido similar generan vectores cercanos, aunque usen palabras distintas.

Se usan para búsqueda semántica, clasificación, clustering y como base de sistemas RAG. Se almacenan típicamente en bases de datos vectoriales como Pinecone, Supabase pgvector o Chroma.

Un embedding es una lista de números que representa el significado de un texto (o de una imagen). Textos con significado parecido tienen embeddings cercanos, así que puedes buscar por significado y no solo por palabras exactas.

Se usan en buscadores semánticos, recomendaciones, detección de duplicados y, sobre todo, en RAG. Para guardarlos y buscarlos se usa una base de datos con búsqueda vectorial, como Postgres con la extensión pgvector.

Preguntas frecuentes

¿Cómo se calcula un embedding?

Con un modelo de embeddings, normalmente a través de la API de un proveedor de IA. Le envías el texto y te devuelve la lista de números.

¿Necesito una base de datos vectorial?

Para pocos datos puedes empezar con Postgres y pgvector. Las bases dedicadas tienen sentido con volúmenes grandes.

Términos relacionados

• RAG (Retrieval-Augmented Generation)
• LLM (Large Language Model)

Siguiente paso: curso de bases de datos y backend.