Usando o IRIS como um banco de dados vetorial

As capacidades integradas de busca vetorial do InterSystems IRIS nos permitem pesquisar dados não estruturados e semiestruturados. Os dados são convertidos em vetores (também chamados de ‘embeddings’) e, em seguida, armazenados e indexados no InterSystems IRIS para busca semântica, geração aumentada de recuperação (RAG), análise de texto, motores de recomendação e outros casos de uso.

Esta é uma demonstração simples do IRIS sendo usado como um banco de dados vetorial e de busca por similaridade no IRIS.

Pré-requisitos:

• Python
• InterSystems IRIS for Health – que será utilizado como o banco de dados vetorial

Repositório: https://github.com/piyushisc/vectorsearchusingiris

Passos a seguir:

1. Clone o repositório.
2. Abra o VS Code, conecte-se à instância e ao namespace desejados do IRIS e compile as classes.
3. Abra o Terminal do IRIS e execute o comando do ##class(vectors.vectorstore).InsertEmbeddings(), que lê o texto do arquivo text.txt, gera os embeddings e os armazena no IRIS.
4. Execute o comando do ##class(vectors.vectorstore).VectorSearch("termos_de_busca") com as palavras desejadas para realizar a busca por similaridade. O IRIS retornará as três correspondências mais próximas.

1. :