pg4ai: PostgreSQL 18.3 + Graph + Vector + Hybrid Search

Multi-Arch Docker Image (linux/amd64, linux/arm64) auf Basis von postgres:18.3 fuer AI-nahe Workloads.

Enthaltene Funktionalitaet

• Apache AGE PG18/v1.7.0-rc0: Property-Graph und Cypher fuer Graph-RAG und Beziehungsabfragen.
• pgvector v0.8.2: Embeddings, ANN-Indizes und semantische Aehnlichkeitssuche.
• pg_trgm + unaccent: typo-tolerante und sprachrobuste lexikalische Suche.

Alle Extensions werden beim ersten DB-Start automatisch aktiviert (docker/init/01-extensions.sql).

Wo Das Fuer AI Eingesetzt Wird

1. Ingestion-Pipeline:

• Dokumente/Chunks schreiben, Embeddings erzeugen und als vector speichern.
• Optional Entitaeten/Beziehungen parallel als Graphknoten/-kanten ablegen.

2. Online Retrieval Layer:

• Semantische Suche mit pgvector (k-nearest neighbors auf Embeddings).
• Lexikalische Suche mit FTS + pg_trgm + unaccent.
• Hybrid Retrieval: beide Scores zusammenfuehren und als Kontext fuer das LLM liefern.

3. Reasoning / Context Expansion:

• Mit AGE Nachbarschaften, Pfade oder Abhaengigkeiten aus dem Graphen ziehen.
• Ergebnis mit Vektor/FTS-Hits mergen (Graph-RAG).

Schnelle SQL-Muster

1. Semantische Suche mit pgvector

CREATE TABLE documents (
  id bigserial PRIMARY KEY,
  content text NOT NULL,
  embedding vector(1536) NOT NULL
);

-- Beispiel: ANN-Index (Operator Class je nach Distanzmetrik auswaehlen)
CREATE INDEX documents_embedding_hnsw_idx
  ON documents USING hnsw (embedding vector_l2_ops);

-- Top-k nearest neighbors
SELECT id, content
FROM documents
ORDER BY embedding <-> '[0.01,0.02,0.03]'::vector
LIMIT 10;

2. Lexikalische/typo-tolerante Suche

-- FTS + unaccent
SELECT id, content
FROM documents
WHERE to_tsvector('simple', unaccent(content))
      @@ plainto_tsquery('simple', unaccent('hotel berlin'));

-- Trigram similarity (fuzzy matching)
SELECT id, content, similarity(content, 'hotle berln') AS sim
FROM documents
WHERE content % 'hotle berln'
ORDER BY sim DESC
LIMIT 10;

3. Graph-RAG mit AGE

LOAD 'age';
SET search_path = ag_catalog, "$user", public;

SELECT *
FROM cypher('knowledge_graph', $$
  MATCH (q:Entity {name: 'PostgreSQL'})-[:RELATED_TO]->(n)
  RETURN n.name
$$) AS (name agtype);

Lokale Nutzung

docker compose up --build
IMAGE_REF=pg4ai:dev ./scripts/smoke-test.sh

Make Targets

make build-amd64
make build-arm64
make test-amd64
make test-arm64
make build-multiarch REGISTRY_IMAGE=ghcr.io/<owner>/<repo> IMAGE_TAG=latest

CI / Quality

Workflow: .github/workflows/ci-multiarch.yml

• Quality-Gates: actionlint, hadolint, shellcheck.
• Build/Test: amd64 + arm64 (QEMU), Smoke-Tests auf amd64.
• Publish: auf Default-Branch und v* Tags nach GHCR.

Lizenz

• Dieses Projekt: Apache-2.0 (siehe LICENSE)
• Drittkomponenten im Image: siehe THIRD_PARTY_LICENSES.md