Base de datos vectorial

Base de datos especializada en almacenar y buscar embeddings por similitud. Es la pieza que permite recuperar, a gran escala y con rapidez, los fragmentos más relevantes en un sistema RAG.

Base de datos especializada en almacenar y buscar embeddings por similitud. Es la pieza que permite recuperar, a gran escala y con rapidez, los fragmentos más relevantes en un sistema RAG.

Actualizado: 3 de junio de 2026.

Una base de datos vectorial guarda embeddings y, dada una consulta también vectorizada, devuelve los más cercanos en el espacio semántico. Es lo que hace práctica la búsqueda semántica sobre millones de documentos.

Su papel en RAG

En un sistema RAG, los documentos se fragmentan (chunking), se convierten en vectores y se almacenan aquí. Al llegar una pregunta, se recuperan los fragmentos más relevantes para dárselos al LLM.

Ejemplos

Pinecone, Weaviate, Qdrant, Milvus o extensiones vectoriales de bases de datos tradicionales.