Vektör veritabanı

Tanım

Vektör veritabanı, metni anlam yakınlığına göre arayabilen bir depo. Klasik veritabanı “WHERE id = 5” gibi tam eşleşme arar; vektör veritabanı “şuna benzer şeyleri bul” arar.

Bu yetenek için metni önce gömme vektörüne çevirmek gerekir. Yakın gömmeler yakın anlam demek.

Nasıl çalışır?

Metin → Gömme modeli → 768 boyutlu vektör → Vektör DB
                                                ↓
Sorgu → Gömme modeli → 768 boyutlu vektör → en yakın komşu araması
                                                ↓
                                          en benzer kayıtlar

Yakın komşu araması için HNSW (Hierarchical Navigable Small World) gibi indeksler kullanılır. Milyonlarca kayıtta milisaniyede yanıt.

Ilura’da kullanımı

Ilura’da vektör veritabanı bellek’in arka kası:

• SQLite + sqlite-vec (yerel, dosya tabanlı)
• Embedding modeli: nomic-embed-text (yerel)
• Sorgu: agent karar verirken “benzer geçmiş vakalar var mı?” sorar
• Sonuç: ilgili 3-5 hatıra pencereye eklenir

Bulut bağımlılığı yok; tüm vektör işlemleri makinende.

Yaygın yanılgılar

“Vektör DB özel sunucu gerektirir.” — Yerelde dosya tabanlı (sqlite-vec, LanceDB) yeterli. Pinecone gibi bulut DB’leri büyük ekipler için.

“Vektör DB = bellek.” — Vektör DB belleğin arama altyapısı, kendisi değil. Bellek yapılandırılmış notlar + zaman çizelgesi + vektörü birlikte kullanır.

“Vektör DB = RAG.” — RAG (notlara bakma) bir desen; vektör DB onun ana aracı ama tek aracı değil. Klasik full-text search de RAG’de kullanılır.