Usando IRIS como una base de datos vectorial

Las capacidades integradas de búsqueda vectorial de InterSystems IRIS nos permiten buscar datos no estructurados y semiestructurados. Los datos se convierten en vectores (también llamados “embeddings”) y luego se almacenan e indexan en InterSystems IRIS para búsqueda semántica, generación aumentada por recuperación (RAG), análisis de texto, motores de recomendación y otros casos de uso.

Esta es una demostración sencilla de IRIS siendo utilizado como una base de datos vectorial y para búsquedas por similitud en IRIS.

Requisitos previos:

1. Python
2. InterSystems IRIS for Health - ya que se usará como la base de datos vectorial

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

Pasos a seguir:

1. Clonar el repositorio.
2. Abrir VS Code, conectarse a la instancia y espacio de nombres deseados de IRIS y compilar las clases.
3. Abrir la terminal de IRIS e invocar el comando: do ##class(vectors.vectorstore).InsertEmbeddings(), Esto lee el texto del archivo text.txt genera los embeddings y los almacena en IRIS.
4. Invocar el comando: do ##class(vectors.vectorstore).VectorSearch("search_terms") con las palabras deseadas para realizar la búsqueda por similitud. IRIS devolverá los tres resultados más cercanos: