Capítulo 2: Pinecone, Weaviate, Chroma

Pinecone (Alojado)

Base de datos vectorial totalmente gestionada:

from pinecone import Pinecone, ServerlessSpec

# Initialize
pc = Pinecone(api_key="your-api-key")

# Create index
pc.create_index(
    name="rag-index",
    dimension=1536,
    metric="cosine",
    spec=ServerlessSpec(cloud="aws", region="us-east-1")
)

# Connect
index = pc.Index("rag-index")

# Upsert vectors
index.upsert(vectors=[
    {"id": "doc1", "values": embedding, "metadata": {"source": "doc.pdf"}}
])

# Query
results = index.query(vector=query_embedding, top_k=5, include_metadata=True)

Ventajas	Desventajas
Totalmente gestionado	Dependencia del proveedor
Fácil de escalar	Puede ser costoso
Excelente documentación	Los datos salen de su red

Precios: Nivel gratuito + pago por uso

Weaviate (Híbrido)

Código abierto con opción en la nube:

import weaviate

# Connect
client = weaviate.Client(
    url="http://localhost:8080",
    # Or cloud: url="https://your-cluster.weaviate.cloud"
)

# Create schema
client.schema.create_class({
    "class": "Document",
    "vectorizer": "text2vec-openai",
    "properties": [
        {"name": "content", "dataType": ["text"]},
        {"name": "source", "dataType": ["string"]}
    ]
})

# Add data
client.data_object.create(
    data_object={"content": "...", "source": "doc.pdf"},
    class_name="Document"
)

# Search
results = client.query.get("Document", ["content", "source"]) \
    .with_near_text({"concepts": ["RAG systems"]}) \
    .with_limit(5) \
    .do()

Características:

• Vectorización integrada
• API GraphQL
• Búsqueda híbrida (vector + palabra clave)

Chroma (Desarrollo Local)

Base de datos ligera y embebida:

import chromadb
from chromadb.config import Settings

# Persistent storage
client = chromadb.PersistentClient(path="./chroma_db")

# Create collection
collection = client.create_collection(
    name="documents",
    metadata={"hnsw:space": "cosine"}
)

# Add documents
collection.add(
    documents=["Document text..."],
    embeddings=[embedding],
    metadatas=[{"source": "doc.pdf"}],
    ids=["doc1"]
)

# Query
results = collection.query(
    query_embeddings=[query_embedding],
    n_results=5,
    where={"source": "doc.pdf"}
)

Ideal para:

• Desarrollo local
• Prototipado
• Producción a pequeña escala

Tabla Comparativa

Característica	Pinecone	Weaviate	Chroma
Alojamiento	Solo en la nube	Ambos	Local/Docker
Precios	Pago por uso	Gratis/Nube	Gratis
Escalabilidad	Excelente	Buena	Limitada
Configuración	Minutos	Horas	Minutos
Ideal para	Producción	Flexibilidad	Desarrollo

Integración con LangChain

from langchain.vectorstores import Pinecone, Weaviate, Chroma
from langchain.embeddings import OpenAIEmbeddings

embeddings = OpenAIEmbeddings()

# Pinecone
vectorstore = Pinecone.from_documents(docs, embeddings, index_name="my-index")

# Weaviate
vectorstore = Weaviate.from_documents(docs, embeddings, weaviate_url="...")

# Chroma
vectorstore = Chroma.from_documents(docs, embeddings, persist_directory="./db")

# Same interface for all
retriever = vectorstore.as_retriever(search_kwargs={"k": 5})

---

Próximos Pasos

Continúe con Capítulo 3: Opciones de Código Abierto.