È un’idea di puro genio, risolve il problema principale della ricerca basata su embedding: l’input utente errato.
E richiede modifiche minime alla nostra configurazione esistente, poiché è sufficiente aggiungere un piccolo passaggio di “arricchimento” della query di ricerca 
Su questo argomento, qualcosa che possiamo anche fare è una ricerca ibrida:
- Ricerca utilizzando la ricerca full-text PG esistente
- Ricerca utilizzando embedding
- Raccogliere entrambi i migliori 50 risultati
- Passare a un servizio di riordino della ricerca
- Mostrare i risultati riordinati
Abbiamo già un riordinatore super capace nella nostra API di embedding esistente sotto un endpoint separato, questo ha tutti i pezzi necessari pronti per accadere.
Esempio qui:
https://github.com/pgvector/pgvector-python/blob/master/examples/hybrid_search.py#L67-L70