如何让ActiveRecord识别PgVector向量字段以实现相似性查询？

问题描述 #

已通过如下迁移代码在PostgreSQL中创建了带向量字段的表：

create_table :scraped_documents do |t|
    t.references :client, null: false, foreign_key: true
    t.column     :embedding, :vector, limit: 1536
    t.text       :content
    t.timestamps
 end

但执行ScrapedDocument.first查询时，出现如下错误：

unknown OID 42268: failed to recognize type of 'embedding'. It will be treated as String.

解决方案 #

该问题源于ActiveRecord默认不识别PostgreSQL的vector类型（由pgvector扩展提供），可通过以下步骤解决：

1. 安装pgvector Ruby适配器
   将pgvector gem添加到Gemfile，执行bundle install：

   gem 'pgvector'
   

2. 注册向量字段类型
   在app/models/scraped_document.rb中显式声明字段类型：

   class ScrapedDocument < ApplicationRecord
     belongs_to :client
     attribute :embedding, :vector
   end
   

   若需全局注册向量类型，可在config/initializers/pgvector.rb中添加：

   ActiveRecord::Type.register(:vector, Pgvector::VectorType)
   

3. 验证修复效果
   重启Rails控制台后，再次执行ScrapedDocument.first，embedding字段会被正确识别为Pgvector::Vector对象，不再出现OID错误。

4. 相似性查询示例
   类型识别正常后即可执行向量相似性查询，例如余弦相似度排序：

   # 构造1536维目标向量
   target_embedding = Array.new(1536) { rand(-1.0..1.0) }
   # 查询最相似的5条记录
   ScrapedDocument.order("embedding <=> '#{target_embedding}'").limit(5)
   # 或使用pgvector简化语法
   ScrapedDocument.order(embedding: :cosine).limit(5)
   

内容的提问来源于stack exchange，提问作者Petran