Bases de datos vectoriales y búsqueda
Búsqueda vectorial
Una búsqueda vectorial compara la representación de una consulta con las representaciones almacenadas. La similitud coseno mide su dirección teniendo en cuenta la longitud. Un vector de longitud cero necesita una regla explícita; los empates requieren un criterio estable si el resultado debe ser reproducible.
En un índice ficticio de manuales, dos fragmentos tienen la misma puntuación. Ordénalos por la identidad estable de la fuente que exige la tarea, no por el orden accidental del diccionario. El alcance va primero. Filtra por cliente y revisión vigente para que el documento parecido de otro cliente no entre en el conjunto de candidatos.
Base de datos y ordenación
Una base de datos vectorial también gestiona registros almacenados y necesidades operativas; este cuaderno no instala ninguna. Los vectores son valores de prueba deterministas, no embeddings aprendidos. Permiten comprobar el código de ordenación, pero no demuestran la calidad de la recuperación semántica.
La búsqueda híbrida combina señales distintas, como la relevancia textual y la similitud vectorial. La guía oficial de recuperación, comprobada el 14 de noviembre de 2026, describe opciones alojadas de filtrado y ordenación. La lección no implementa todo ese servicio ni un motor híbrido de producción. Continúa con el filtro por cliente y las evidencias de RAG.