Vector Store
Vector Store guarda documentos y busca en ellos por significado en la base vectorial que elijas en Provider: FAISS y Chroma, que se guardan en tu cuenta sin servicios externos, o Pinecone, pgvector, Milvus, Redis, Weaviate, Supabase, MongoDB Atlas, AstraDB, Cassandra, Couchbase, Neo4j, Deep Lake, Upstash o Vectara. Por dentro funciona exactamente como el componente propio de ese proveedor.
La diferencia es que cambiar de proveedor no obliga a cambiar de nodo: lo cambias en el campo, o lo cambia por API la aplicación que llama al flujo.
Cuándo usarlo
- Empiezas con FAISS o Chroma para probar y quieres pasar a una base en la nube, como Pinecone o pgvector, sin rehacer el flujo.
- Tu aplicación sirve a varios clientes y cada uno tiene sus documentos en su propia base vectorial.
Si la base no va a cambiar, usa el componente propio del proveedor, como FAISS o Pinecone: muestra directamente todos sus campos, como los filtros por metadatos.
Configuración
El campo Operation decide qué hace el componente:
Add(por defecto): guarda en la base los documentos que recibe en Ingest Data.Search: busca los documentos más parecidos al texto de Search Query.Retriever: ofrece la base como buscador para que la use otro componente, por ejemplo una cadena de preguntas y respuestas.
| Campo | Qué hace |
|---|---|
| Provider | La base vectorial. Por defecto, FAISS. Elígelo primero: al cambiarlo, el nodo pide la credencial de ese proveedor. |
| Credential (obligatorio si el proveedor la usa) | La conexión con la base del proveedor elegido. La lista solo muestra las de ese proveedor. FAISS y Chroma no la necesitan. Consulta Credenciales. |
| Operation | Qué hace el componente: Add, Search o Retriever. |
Ingest Data (obligatorio con Add) | Los documentos que se guardan, normalmente los que salen de un divisor de textos o de un cargador de archivos. |
| Search Query | Con Search. El texto que se busca. Si lo dejas vacío no se devuelve nada. |
| Embedding | El conector donde enchufas el modelo de embeddings, como Embedding Model u OpenAI Embeddings. Usa siempre el mismo para guardar y para buscar. |
| Collection Name | La colección, el índice o la tabla de la base, según lo llame cada proveedor. Vacío, el de por defecto del proveedor. |
El nodo recuerda la credencial que eliges para cada proveedor: al volver a un proveedor que ya configuraste, su credencial vuelve sola.
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Number of Results | Cuántos documentos devuelve cada búsqueda. Por defecto, 4. |
| Search Type | Similarity devuelve los más parecidos; Similarity with score threshold, solo los que superan Search Score Threshold. Solo aparece si el proveedor lo admite. |
| Search Score Threshold | Puntuación mínima de parecido, solo con la búsqueda por umbral. Por defecto, 0.1. |
| Provider Settings | Otros campos del componente propio del proveedor, cada uno con su nombre. Por ejemplo, persist_directory = faq con FAISS o Chroma, para elegir la carpeta del almacenamiento. Los que el proveedor no tiene se ignoran. |
| Credentials by Provider | La credencial que recuerda el nodo para cada proveedor. Se rellena sola al elegir una credencial. |
Cambiar el proveedor por API
Desde otra aplicación, cambia el proveedor, la colección o la búsqueda con tweaks, usando el identificador del nodo:
"tweaks": { "MultiProviderVectorStore-v8d2q": { "provider": "Chroma", "Operation": "Search", "collection_name": "manual_clientes", "search_query": "¿Cómo cambio la contraseña?" }}El proveedor tiene que haberse configurado antes en el lienzo, con su credencial; si no, envía también credential_id. Más información en Cambiar campos en una llamada.
Resultado
Las salidas dependen de Operation:
- Results: con
Add, los documentos que se han guardado; conSearch, los documentos encontrados, que puedes pasar a un prompt o a un agente. - Vector Store: la base de datos, para conectarla a componentes que trabajan con una base vectorial.
- Retriever: con
Retriever. El buscador, para conectarlo a componentes que piden un buscador.
En modo herramienta, un agente puede usar el componente para buscar por sí mismo. Consulta Tool Mode.
Ejemplo
Una gestoría prueba un buscador de sus guías con FAISS y, cuando funciona, lo pasa a su base de Pinecone.
- Conecta las guías, divididas en trozos, a Ingest Data de Vector Store con Operation en
Add, y un Embedding Model a Embedding. - Con
FAISSen Provider, ejecuta el flujo y prueba búsquedas conSearch. - Cambia a
Pinecone, elige su credencial y escribe el índice en Collection Name. Vuelve a ejecutar conAddpara cargar las guías en Pinecone.
Buenas prácticas
- Cada base guarda sus propios documentos: al cambiar de proveedor, los documentos no le siguen. Cárgalos con
Adden la nueva. - Busca con el mismo modelo de embeddings con el que llenaste la colección.
- Para filtrar por metadatos u otras opciones propias de un proveedor, usa su componente propio o escribe el campo en Provider Settings.
Componentes relacionados
- Embedding Model: el modelo de embeddings en el que también eliges el proveedor.
- FAISS, Chroma DB y Pinecone: bases vectoriales con el proveedor fijo.
- Retrieval QA: responde preguntas con los documentos que encuentra el buscador.