Ir al contenido
← Ecosistema

Memoria vectorial con procedencia

pg_phasevec v0.20.0 · preview 0.x

Lecturas con procedencia: quién leyó, qué leyó, y si todavía vale.

La búsqueda vectorial sobre una tabla tiene un fallo silencioso: el embedding se calculó una vez, la fila cambió, y el índice responde desde la memoria de una fila que ya no existe. pg_phasevec guarda cada lectura con quién la hizo, el hash del texto exacto y cuándo; una fila editada se vuelve stale y no se devuelve como respuesta segura.

Instalar

CREATE EXTENSION pg_phasevec;

En simple

Una memoria para la IA que recuerda de dónde salió cada dato y avisa cuando ese dato ya cambió.

  1. La situación

    Tu asistente responde preguntas sobre contratos y precios usando los documentos de la empresa.

  2. Sin esta pieza

    Un precio cambió hace una semana. La IA sigue respondiendo con el viejo, con total seguridad, porque nadie le dijo que el documento cambió.

  3. Con esta pieza

    La memoria sabe que ese documento cambió después de haberlo leído: lo marca como desactualizado y no lo entrega como respuesta segura hasta volver a leerlo.

Por qué importa si decides

  • Respuestas con fecha y origen: sabes de qué documento y de qué versión salió cada una
  • Tus datos no salen a un servicio externo: el modelo que lee es tuyo y la memoria vive en tu base
  • Puedes cambiar de modelo de IA sin mezclar memorias viejas con nuevas
Para el equipo técnico

El problema

Un embedding suelto no sabe de qué fila vino

Con pgvector a secas, el vector es una columna más: nada registra qué modelo lo produjo ni qué texto leyó. Cambia el texto, cambia el modelo, y la búsqueda sigue contestando con la misma confianza.

Sin API en la nube ni llamada de red: el lector es tuyo y local, y los códigos viven en tu base al lado de las filas que describen.

Cómo funciona

Lector sellado, watch, reading

  1. 01

    Un lector sellado

    reader_register(name, model_sha256, dims) identifica al lector por el sha256 de sus pesos (adaptador y cabezas incluidos) y el cómputo donde corre. Lecturas de lectores distintos no se mezclan: son foreign.

  2. 02

    Un watch

    Lo que debe poder encontrarse: una tabla origen, su columna clave y una receta con nombre para el texto a leer (una expresión sobre cada fila).

  3. 03

    Una reading

    Lo que el lector entendió de una fila: el hash del texto, sus códigos (un sketch de 64 bits y un código por dimensión) y cuándo. Estado pending, fresh, stale o foreign.

  4. 04

    Buscar en tu propio snapshot

    search() lee la pregunta con el lector del watch; find() busca por códigos; alike() trae filas parecidas a una dada. Una fila editada se vuelve stale en la misma transacción y find() la retiene, o devuelve una respuesta parcial solo si el llamador la pide.

SQL

Un recorrido

Superficie completa: readers (register, seal, compute, switch), fill (watch, next, record, record_audit, record_failure), search (search, find, find_ivf, find_hybrid, alike), index (ivf_build, ivf_maintain, ivf_absorb), lexical y audit (coverage, truncations, dupes, audit_sample).

psql · pg_phasevecsql
CREATE EXTENSION pg_phasevec;
-- 1. Sellar un lector por el sha256 de sus pesos y su dimensionalidad.
SELECT phasevec.reader_register('vec', '<model_sha256>', 1024);
-- 2. Vigilar la tabla: leer r.body de cada fila, con clave id.
SELECT phasevec.watch('docs', 'docs'::regclass, 'id', 'r.body', 'vec');
-- 3. Llenar: next() entrega las filas que faltan leer, con el hash de su texto.
SELECT phasevec.record('docs', key, 'vec', text_hash, code64, code)
  FROM phasevec.next('docs') AS r,
       LATERAL your_reader(r.body) AS codes(code64, code);
-- 4. Preguntar en palabras, en tu propio snapshot, nunca desde texto viejo.
SELECT key, score, state, read_at
  FROM phasevec.search('docs', 'which fruit is red?', 10);

Lo que garantiza

Lo que garantiza y lo que confía

  • Garantizado: una lectura nombra al lector y el texto exacto del que se tomó. Una fila cambiada después de leída se reporta stale, no se devuelve como si estuviera fresca.
  • Confiado: el lector es tuyo. pg_phasevec guarda y busca los códigos que un lector sellado le entrega y los ata al sha de ese lector; no responde por lo que el lector entendió.
  • La superficie de mantenimiento (ivf_build, ivf_maintain, ivf_absorb, counts_compact) está REVOKE de PUBLIC.
  • 0.16.0 es una versión de endurecimiento de seguridad: los cursores SPI de construcción y mantenimiento saltan filas con código NULL en vez de desreferenciarlas.
  • Capa opcional de afirmaciones: un rol ata una prueba SQL a una fila. Un worker en segundo plano vuelve a correr cada prueba como su autor, en solo lectura, con tope de costo y de tiempo, y brief() entrega solo lo que todavía se sostiene.
  • Lo que muestra afirmaciones (brief, recall, disputes, replacement, truth_coverage) muestra una vigilancia solo a un rol que puede hacer SELECT de su tabla, y bajo seguridad de fila solo las filas que ese rol ve.
  • Un steward es un rol que el dueño de la tabla nombra con phasevec.steward() y que puede resolver afirmaciones: cuenta mientras ese dueño siga siendo dueño de la tabla y alcanza solo las filas que la seguridad de fila le deja ver.
  • Vigila su propio recall: recall_approve() guarda como línea base lo que una vigilancia entrega hoy y recall_check() lo compara después, con veredictos ok, degraded o critical. Los ajustes son los guardados: bajar nprobe o m en una sesión no cambia nada.
  • pg_dump y pg_restore llevan los datos de phasevec (desde 0.19.0): lectores, vigilancias, lecturas, afirmaciones y el índice grueso.

Lo que no hace

Lo que no hace

  • No trae un modelo: el lector (embeddings) lo pones tú, sellado por su sha256.
  • No juzga la calidad de lo que el lector entendió; juzga la procedencia y la frescura de cada lectura.
  • Las lecturas de un lector distinto no se mezclan en una búsqueda: son foreign por diseño.
  • Es un preview 0.x: su README lista hallazgos abiertos de la última revisión adversarial que 0.20.0 no corrige. Uno de ellos: con un borrado y una reinserción concurrentes de una fila por otro tenant, una afirmación puede quedar tomada sobre la fila nueva de ese tenant. La lista completa está en "Known limits" del README.
  • Restaurado en otro clúster, los autores y los stewards son roles del clúster viejo: cada afirmación queda huérfana hasta que el dueño de la tabla la adopta, y los stewards hay que nombrarlos de nuevo.
  • En PostgreSQL 18 no hay una copia del índice grueso compartida entre backends: cada conexión guarda la suya, con las mismas respuestas.

Para la empresa

Para la empresa

Es la memoria de un sistema RAG que puede explicar cada respuesta: qué modelo leyó qué texto y cuándo, y que nunca contesta con seguridad desde una fila que ya cambió. Todo dentro de PostgreSQL, sin mandar datos a una API externa.

  • Auditoría del índice: coverage, dupes, truncations, audit_sample
  • Cambio de modelo controlado: lectores sellados y reader_switch
  • Búsqueda híbrida (vectorial + léxica) en el mismo snapshot que tus filas

Esta pieza no viene en la imagen Enterprise 0.3.1, que trae pg_agent_gate, pg_living_assertions, pg_promise_guard y pg_grammar_guard. Se instala aparte desde PGXN.

Ficha técnica

Versión
0.20.0, preview 0.x (en PGXN como testing; la estable sigue siendo 0.18.0); la imagen pública 0.3.6 trae 0.20.0 instalada, sin crear (medido 13-11-2026)
PostgreSQL
18 o superior; no requiere otra extensión
Licencia
Apache-2.0
Vulnerabilidades
manuelreyesbravo@gmail.com, asunto [pg_phasevec security]
Edición Enterprise
No viene en la imagen Enterprise 0.3.1
Pruébala Hablar