Vector Store
A página Vector Store permite inspecionar o banco vetorial — os artigos indexados, a quantidade de chunks, o modelo de embedding usado e a distribuição de seções detectadas.
O que é o banco vetorial?
O banco vetorial (implementado com LanceDB) é o coração do Lutz. Ele armazena:
- Vetores de embedding de cada chunk de texto
- Metadados como nome do artigo, seção e posição do chunk
- Texto original do chunk para exibição e uso no contexto do LLM
O banco é armazenado localmente em .lutz/vector_store/ e nunca é commitado ao Git.
Por que vetores?
Cada chunk é representado como um ponto em um espaço vetorial de alta dimensão (ex: 768 dimensões para all-MiniLM-L6-v2). Chunks com conteúdo semanticamente similar ficam próximos nesse espaço.
Quando você faz uma análise, o prompt é convertido no mesmo espaço vetorial e os chunks com menor distância de cosseno são recuperados — isso é a busca semântica.
espaço vetorial
"metodologia de pesquisa" ●───────● "research methodology"
(semanticamente próximos)
"resultados clínicos" ●
"clinical outcomes" ●────────────────────── (próximos)Informações exibidas
Cards de resumo
O topo da página exibe quatro métricas principais:
| Métrica | Descrição |
|---|---|
| Chunks totais | Total de fragmentos de texto indexados |
| Artigos indexados | Número de documentos únicos no banco |
| Modelo | Nome do modelo de embedding utilizado |
| Atualizado em | Data/hora da última vetorização |
Tabela de artigos indexados
Para cada artigo mostra: nome do arquivo, número de chunks, data de vetorização e modelo utilizado.
Consulta SQL
A seção Consulta SQL permite inspecionar o banco vetorial diretamente com abas rápidas:
- Contar chunks por arquivo — distribuição de chunks entre artigos
- Ver schema — estrutura da tabela LanceDB
- Buscar texto — busca por substring no conteúdo dos chunks
- Arquivos únicos — lista de artigos distintos
- Chunks recentes — últimos chunks adicionados
Distribuição por seções
Quando artigos foram vetorizados com --section-parse, exibe quantos chunks existem em cada seção por artigo.
Útil para confirmar que a detecção de seções funcionou corretamente antes de usar --filter-sections nas análises.
Ação: Unvectorize
O botão Limpar banco vetorial remove todos os registros do LanceDB. Os PDFs em articles/ são preservados.
DANGER
Esta ação é irreversível. O banco só pode ser reconstruído rodando lutz vectorize novamente.
Equivalente no CLI
# Resumo do banco
lutz vector-store --summarize
# Distribuição por seções
lutz vector-store --sections
# Exportar JSON
lutz vector-store --export
# Limpar banco
lutz unvectorize