Nexttag.VectorStore 1.0.0

Nexttag.VectorStore

Abstração de banco vetorial para .NET 10. Uma interface (IVectorStore) + um filtro genérico (VectorFilter); as implementações ficam em pacotes separados:

• Nexttag.VectorStore.Qdrant
• Nexttag.VectorStore.Pgvector

O host escolhe a implementação (por DI/config); o seu código de RAG fala só com IVectorStore e não muda se você trocar Qdrant ↔ pgvector.

Infra genérica: não conhece domínio (setor, ACL, edital). O payload é livre e o filtro (ex.: ACL) é montado pelo host com VectorFilter.

Instalação

# escolha 1 implementação:
dotnet add package Nexttag.VectorStore.Qdrant
# ou
dotnet add package Nexttag.VectorStore.Pgvector

A interface vem transitivamente. No código:

using Nexttag.VectorStore;   // IVectorStore, VectorPoint, VectorHit, VectorFilter, VectorIds

A interface

public interface IVectorStore
{
    Task EnsureCollectionAsync(string colecao, int dimensao, CancellationToken ct = default);
    Task UpsertAsync(string colecao, IReadOnlyList<VectorPoint> pontos, CancellationToken ct = default);
    Task<IReadOnlyList<VectorHit>> SearchAsync(string colecao, ReadOnlyMemory<float> consulta, int topK,
                                               VectorFilter? filtro = null, CancellationToken ct = default);
    Task DeleteAsync(string colecao, VectorFilter filtro, CancellationToken ct = default);
}

record VectorPoint(string Id, ReadOnlyMemory<float> Vector, IReadOnlyDictionary<string, object?> Payload);
record VectorHit(string Id, float Score, IReadOnlyDictionary<string, object?> Payload);

Filtro genérico (VectorFilter)

Cobre o necessário para RAG/ACL; cada backend traduz para o nativo (Qdrant Filter / WHERE SQL):

VectorFilter.Eq("doc_id", id);                     // campo == valor
VectorFilter.In("setor", setoresDoUsuario);        // campo ∈ lista  (ACL!)
VectorFilter.And(f1, f2);                           // E
VectorFilter.Or(f1, f2);                            // OU

Uso ponta a ponta (independe do backend)

IVectorStore store = /* QdrantVectorStore ou PgVectorStore — escolha do host */;

// 1) coleção (dimensão = a do seu modelo de embedding, ex.: 3072)
await store.EnsureCollectionAsync("documentos", dimensao: 3072);

// 2) indexar: monte os pontos com id determinístico + payload do SEU domínio
var pontos = chunks.Select(c => new VectorPoint(
    Id: VectorIds.ChunkId(docId, c.Index),                       // UUIDv5 estável → reindex idempotente
    Vector: c.Vector,
    Payload: new Dictionary<string, object?>
    {
        ["doc_id"] = docId,
        ["chunk_text"] = c.Text,
        ["setor"] = setorId,                                      // ← metadado do domínio (host)
    })).ToList();

await store.DeleteAsync("documentos", VectorFilter.Eq("doc_id", docId)); // limpa antes de reindexar
await store.UpsertAsync("documentos", pontos);

// 3) buscar com ACL (filtro montado pelo host)
VectorFilter? acl = VectorFilter.In("setor", usuario.Setores.Cast<object>().ToList());
IReadOnlyList<VectorHit> hits = await store.SearchAsync("documentos", vetorConsulta, topK: 5, filtro: acl);

foreach (var h in hits)
{
    var trecho = h.Payload["chunk_text"];   // host hidrata / cita
}

Combina com Nexttag.Ai.Embeddings (fatiamento + geração dos vetores).

Trocar de backend

Só muda a construção (no host); o resto do código é idêntico:

// Qdrant
IVectorStore store = new QdrantVectorStore(new QdrantClient("localhost", 6334));

// pgvector
var ds = new NpgsqlDataSourceBuilder(connString).UseVector().Build();
IVectorStore store = new PgVectorStore(ds);

⚠️ A dimensão da coleção precisa bater com o modelo de embedding (gemini-embedding-001 = 3072). Use o mesmo modelo na indexação e na busca.

Licença: uso livre do binário; código-fonte proprietário da Nexttag (ver LICENSE.txt).