ankane/neighbor

Neighbor – Ruby on Rails용 최근접 이웃 검색

무엇인가요

ActiveRecord 모델에 벡터 기반 유사성 검색을 추가하는 Ruby gem입니다. 임베딩(또는 임의의 숫자 벡터)을 데이터베이스에 저장하고, 일반적인 거리 메트릭을 사용해 k개의 가장 가까운 레코드를 쿼리할 수 있습니다.

주요 기능

여러 데이터베이스를 바로 사용 가능: PostgreSQL(pgvector 또는 cube 확장 사용), MariaDB, MySQL(HeatWave), SQLite, 그리고 Redis와 S3 벡터용 어댑터도 제공.
다양한 거리 함수 지원: 유클리드, 코사인, 내적, 타크시 cab, 해밍, 자카르드 등 백엔드에 따라 다릅니다.
다양한 벡터 유형 처리: 전체 정밀도(vector), 반정밀도(halfvec), 이진(bit/bigint), 희소(sparsevec), SQLite용 int8 벡터.
대규모 검색을 빠르게 하기 위해 정확한 인덱싱과 근사 인덱싱(HNSW, IVFFlat) 모두 제공.
간단한 모델 API — ActiveRecord 모델에 has_neighbors :embedding를 추가하고, 레코드나 클래스에서 nearest_neighbors를 호출만 하면 됩니다.
Disco 라이브러리를 활용한 하이브리드 검색(키워드 + 의미적), 희소 검색, 온라인 추천을 위한 내장 헬퍼 제공.

사용 방법

Gem 추가 — Gemfile에 추가하고 bundle install 실행.
벡터 컬럼 생성 — 마이그레이션에서 사용하는 데이터베이스에 맞는 컬럼(:vector, :cube, :binary 등)을 생성.
모델에서 이웃 관계 선언 — has_neighbors :embedding로 선언 (선택적으로 차원, 유형, 정규화 지정 가능).
임베딩 채우기 — 외부 API(OpenAI, Cohere) 또는 로컬 모델(Informers, Transformers.rb)을 사용.

쿼리:

item.nearest_neighbors(:embedding, distance: "euclidean").first(5)
# 또는
Item.nearest_neighbors(:embedding, [0.9, 1.3, 1.1], distance: "cosine").first(5)

결과에는 neighbor_distance 속성이 포함됩니다.

왜 중요한가요

별도의 벡터 데이터베이스 없이도 Rails 앱 내에서 의미적 검색, 추천, 유사성 기반 기능을 직접 구현할 수 있습니다.
기반 SQL 엔진의 내장 인덱싱 기능을 활용해 데이터와 검색을 동일한 시스템에 유지합니다.
연구용(희소 벡터, 반정밀도)과 생산용(근사 인덱싱, MySQL의 HeatWave) 모두에 적합합니다.

일반적인 사용 사례

임베딩 기반 문서 또는 제품 검색.
실시간 아이템 기반 추천.
하이브리드 키워드 + 의미 검색.
빠른 유사성 검색이 필요한 모든 Rails 기반 서비스.

자료

전체 문서는 README에 있으며, 각 지원 백엔드별 섹션이 있습니다.
OpenAI, Cohere, Informers, 하이브리드 검색, 희소 검색, Disco 추천 예제 코드 포함.
별도 어댑터: neighbor-redis 및 neighbor-s3로 비SQL 저장소 지원.

위 모든 세부 정보는 프로젝트의 README에서 직접 인용되었습니다.

ankane/neighbor

Neighbor – Ruby on Rails용 최근접 이웃 검색

관련