Costruire un motore di ricerca ibrido dentro PostgreSQL

FreeCodeCamp pubblica su YouTube un corso che costruisce un motore di ricerca ibrido interamente in PostgreSQL: keyword e vettori, una sola base dati, niente cluster esterni da mantenere¹.

La scelta che molti affrontano è netta. Filtri testuali semplici dentro il database. Oppure un sistema separato, per esempio Elasticsearch, con sincronizzazioni e operatività più complesse. Il corso propone un’altra strada: restare in PostgreSQL e fondere ricerca lessicale e semantica in SQL, con transazioni e indici nello stesso luogo¹.

Le query non chiedono tutte la stessa cosa. “Apollo 13” vuole un matching di parole chiave. “Animali che fanno luce da soli” esprime un concetto senza nominare la bioluminescenza. L’approccio ibrido esegue entrambe le strategie e unisce i risultati con Reciprocal Rank Fusion scritta in SQL. L’utente vede una sola lista ordinata¹.

Il progetto usa Simple English Wikipedia come dataset, circa 240.000 voci. La componente testuale adotta un ranking BM25 tarato sul corpus. La componente semantica memorizza embedding a 384 dimensioni. La fusione avviene nel database con RRF, definita in SQL. Il tutto gira in un’unica istanza PostgreSQL, senza uscire dal perimetro del DBMS¹.

Pipeline completa, sempre nello stesso sistema. Inserimento e normalizzazione dei documenti. Configurazione della ricerca testuale per il ranking. Archiviazione dei vettori densi. Logica di fusione tra i due ranking. Ogni passaggio resta in SQL, con dati e indici che vivono e si aggiornano insieme¹.

Il beneficio operativo è concreto. Si evitano infrastrutture esterne e pipeline di sincronizzazione. Si mantengono proprietà ACID anche per la componente di ricerca. Le scelte architetturali restano visibili e controllabili in SQL: dall’indicizzazione alla fusione dei risultati¹.

Per chi lavora già con PostgreSQL, il corso offre un percorso replicabile. Un corpus enciclopedico per test realistici. BM25 per la parte lessicale. Vettori a 384 dimensioni per la parte semantica. RRF in SQL come collante. Il risultato copre richieste che puntano alla precisione dei termini e richieste che mirano al significato, con una sola pipeline nel database¹.

Adozione consigliata quando bisogna ridurre dipendenze e sincronizzazioni, mantenendo in un unico luogo dati, indici e logica di ranking. Il corso include esempi e query pronti, utili per portare questo modello in ambienti che già usano PostgreSQL¹.

Un dettaglio pratico chiude il cerchio: la logica di fusione in SQL permette di calibrare pesi e soglie senza cambiare infrastruttura. Si sperimenta in locale, si misura sul corpus, si regola il ranking. Poi si porta in produzione senza aggiungere nuovi sistemi¹.