Neste artigo
- Busca híbrida no PostgreSQL com BM25 e vetores: tutorial em 5 passos com custo zero
- O que é busca híbrida de verdade
- Passo 1: ative as extensões no banco
- Passo 2: crie a coluna de texto indexada
- Passo 3: adicione a coluna de embedding
- Passo 4: monte a query híbrida com RRF
- Passo 5: avalie e ajuste o peso
- Preciso de um banco vetorial separado como Pinecone ou Milvus?
- BM25 já existe nativo no PostgreSQL?
- Qual versão do PostgreSQL eu preciso?
- Quanto custa rodar busca semântica no Postgres?
- A busca híbrida serve para buscador de vagas ou de produtos?
- Monte o buscador do seu projeto ainda esta semana
Busca híbrida no PostgreSQL com BM25 e vetores: tutorial em 5 passos com custo zero
Fazer uma busca híbrida no PostgreSQL com BM25 e vetores virou tarefa de um fim de semana, não de um projeto de meses. Com 5 passos e duas extensões open source, o seu app ganha um buscador semântico gastando R$ 0 de infraestrutura nova.
O truque é combinar duas pontas: a busca por palavras-chave (BM25, via full-text nativo) e a busca por significado (vetores, via pgvector). Nenhuma das duas sozinha entrega o resultado certo sempre.
O que é busca híbrida de verdade
A busca por palavra-chave encontra termos exatos, mas erra sinônimos. A busca por vetor entende o sentido, mas esquece nomes próprios e códigos. Juntas, elas cobrem as duas falhas.
Segundo a documentação oficial do PostgreSQL, o full-text search nativo usa tsvector e tsquery com ranking por ts_rank, tudo dentro do banco. O pgvector, hoje na versão v0.8.7 segundo o repositório oficial no GitHub, adiciona o tipo vector e índices aproximados como o HNSW.
Passo 1: ative as extensões no banco
Em qualquer PostgreSQL 16 ou superior, rode dois comandos de criação de extensão: vector, do pgvector, e se quiser BM25 dedicado, a extensão de busca da ParadeDB. Quem já tem o banco em produção não precisa migrar nada: as extensões entram com CREATE EXTENSION.
O PostgreSQL 18 chegou em 25 de setembro de 2025 e o 19 está em RC1 desde 15 de outubro de 2026, segundo os anúncios oficiais no postgresql.org. Qualquer uma dessas versões serve para o tutorial.
Passo 2: crie a coluna de texto indexada
Na tabela de documentos, adicione uma coluna do tipo tsvector gerada a partir do texto original, com to_tsvector aplicado ao conteúdo. Crie um índice GIN nessa coluna. É esse índice que deixa a busca por palavras rápida mesmo com milhões de linhas.
A documentação de full-text do PostgreSQL mostra que o GIN é o índice recomendado para tsvector porque varre a lista invertida inteira de uma vez.
Passo 3: adicione a coluna de embedding
Gere os embeddings no seu modelo de preferência (local ou via API) e salve na coluna vector da mesma tabela. Depois crie um índice HNSW nessa coluna com o operador de distância cosseno, que é o padrão para busca semântica de texto.
O repositório do pgvector documenta que o HNSW entrega recall alto com latência baixa em consultas aproximadas, ideal para buscadores de produto e de conteúdo.
Passo 4: monte a query híbrida com RRF
O quarto passo é a query que junta as duas buscas. Rode a busca full-text com ts_rank e a busca vetorial com a distância do cosseno, cada uma devolvendo o top 20. Depois una os dois resultados com RRF (Reciprocal Rank Fusion), que soma o inverso da posição de cada item nas duas listas.
O RRF é a técnica que a literatura de 2026 adotou como padrão para RAG barato: segundo o InfoQ em junho de 2026, a busca vetorial sozinha não basta, e o híbrido virou o caminho recomendado. Um post do shattered.io de 2 de novembro de 2026 mostra um pipeline RAG com avaliação em 12 passos e 90 minutos.
Passo 5: avalie e ajuste o peso
O último passo é medir. Monte um conjunto pequeno de 20 consultas com a resposta esperada e veja se o resultado híbrido supera cada busca isolada. Ajuste o peso do BM25 versus o vetor até o recall chegar onde você precisa, e mantenha o índice HNSW com parâmetros de construção compatíveis com o volume de dados.
Perguntas frequentes
Preciso de um banco vetorial separado como Pinecone ou Milvus?
Não. Com pgvector no próprio PostgreSQL você tem busca vetorial, filtros relacionais e transação no mesmo lugar, com custo zero de serviço novo.
BM25 já existe nativo no PostgreSQL?
O full-text nativo do PostgreSQL traz ts_rank, que é a base do ranking por termos. O BM25 dedicado vem de extensões como a pg_search da ParadeDB, também open source e instalável com CREATE EXTENSION.
Qual versão do PostgreSQL eu preciso?
PostgreSQL 16 ou superior cobre o tutorial. O 18 foi lançado em 25 de setembro de 2025 e o 19 está em RC1 desde 15 de outubro de 2026, segundo o postgresql.org.
Quanto custa rodar busca semântica no Postgres?
R$ 0 além do banco que você já paga: pgvector v0.8.7 e o full-text nativo são open source e rodam na mesma instância.
A busca híbrida serve para buscador de vagas ou de produtos?
Serve para os dois. Palavra-chave pega cargo, cidade e modelo exato; vetor pega a intenção por trás da frase. É exatamente o que buscadores de vagas e e-commerce estão adotando em 2026.
Monte o buscador do seu projeto ainda esta semana
Comece hoje: ative o pgvector no seu banco, crie o índice GIN no texto e o HNSW no vetor, e teste a query híbrida com 20 consultas reais do seu produto. O resultado costuma surpreender na primeira semana.
Quem está procurando a primeira vaga ou quer sair do nível júnior pode praticar essa stack em projetos reais: confira as vagas abertas no Casado.dev e comece uma das trilhas de estudo guiadas. Na editoria de programação você encontra mais tutoriais práticos como este.
Se a dúvida é se vale a pena esse projeto no bolso, veja como os regimes pesam na calculadora CLT x PJ antes de fechar o contrato.
Dados conforme a documentação oficial do PostgreSQL (full-text search e release notes do 18), o anúncio do PostgreSQL 19 RC1 no postgresql.org (15/10/2026), o repositório do pgvector no GitHub (v0.8.7) e notícias de InfoQ (02/06/2026) e shattered.io (02/11/2026) via Google Notícias, conferidas em 7 de novembro de 2026.