pgvector: columnas vector(n), operadores de distancia (<-> L2, <=> coseno, <#> producto interno), índices HNSW vs IVFFlat y su ajuste (m, ef_search, lists, probes)

Con la extensión creada, almacenas los embeddings en una columna de tipo vector(n), donde n es el número de dimensiones que devuelve tu modelo de embeddings. Insertar un vector con otra longitud falla, lo que te protege de mezclar modelos. Una tabla típica guarda juntos el texto del fragmento, sus metadatos y su embedding, para que una sola consulta SQL pueda filtrar y ordenar por relevancia.