› Een embedding zet tekst om in een reeks getallen (een vector), waarbij teksten met een vergelijkbare betekenis vergelijkbare getallen krijgen.
› Een vector database slaat deze vectoren op en vindt razendsnel de vectoren die het dichtst bij je vraag liggen.
› Dit vormt het fundament onder semantisch zoeken, RAG en het geheugen van AI-agents.
› Hieronder leg ik het uit zonder wiskunde en toon ik een test van twee gratis embedding-modellen op Poolse zinnen en wetsteksten: het ene model vond in 8 van de 10 gevallen het juiste artikel, het andere in 4.