Obsidian-semanttinen haku: Miten paikallinen vektori-indeksi toimii ilman vektoritietokantaa

Vault Audit AI:n kirjoittaja, Obsidian-yhteisölaajennus, lisäsi semanttisen haun korjatakseen täystekstihaun rajoitteet muistiinpanojen tekemisessä. Laajennus mahdollistaa muistiinpanojen hakemisen merkityksen perusteella, ei vain tarkkoja sanatarkkoja osumia. Indeksi tallennetaan Obsidian-vaultin sisään ilman erillistä vektoritietokantaa tai palvelinta. Järjestelmä toimii pilkkomalla Markdown-muistiinpanot paloihin, upottamalla kunkin palan mallilla ja tallentamalla vektorit mukautettuun LocalVectorStoreen. Pilkkoja kunnioittaa luonnollisia dokumenttirajoja, kuten otsikoita ja luetteloita, ja ylläpitää metatietoja, kuten otsikkopolkua, sisällön tiivistettä ja lähdeosoitteita. Upotuspalveluntarjoajia ovat OpenRouter, OpenAI-yhteensopivat rajapinnat ja Ollama, kaikki yhteisen rajapinnan takana. LocalVectorStore käyttää manifestia ja binaaritiedostoa vektoreille, ja atomiset kirjoitukset varmistavat johdonmukaisuuden. Inkrementaalinen indeksointi vertaa metatietoja ja sisällön tiivisteitä välttääkseen upotusten uudelleenlaskennan muuttumattomille paloille. Kirjoittaja korostaa komponenttien erottelun tärkeyttä ja mainitsee haasteita asynkronisten kilpailutilanteiden kanssa, jotka havaittiin, vaikka testit menivät läpi.