3 novembre 2026
Vector database per frontend: embeddings, similarity search e perché ti servono davvero nel 2026
Le vector database non sono “roba da ML engineer”: stanno diventando l’infrastruttura standard per ricerca semantica, RAG, agenti, knowledge base aziendali e recommendation. In questo articolo mettiamo ordine: cos’è una vector database, come funziona la pipeline di ingestion e retrieval, perché i database tradizionali non bastano con dati non strutturati, e come entrano in gioco gli indici ANN (IVF, HNSW). Chiudiamo con un progetto tipo usando ChromaDB: salvare embeddings e fare semantic search per significato, non per keyword.