Lantern
Lantern Systems, Inc. · Programação
Lantern é uma extensão de código aberto para Postgres que adiciona busca vetorial HNSW e geração de embeddings ao seu banco, com um serviço gerenciado na nuvem para apps de IA.
Sobre Lantern
About
O que é o Lantern
O Lantern roda dentro do PostgreSQL como extensão, então os vetores ficam nas mesmas tabelas do resto dos seus dados. Você cria uma coluna vetorial, monta um índice lantern_hnsw em cima dela e o banco responde a consultas de vizinhos mais próximos com SQL comum. Sem segundo armazenamento, sem job de sincronização e sem linguagem de consulta separada. Em vez de manter um banco de dados vetorial à parte, você fica com o que já opera.
O projeto mira times que constroem busca semântica, recomendações e recuperação de informação para assistentes de IA sem sair do Postgres. Roda em Postgres 11 a 16 e reaproveita o tipo vector do pgvector, o que faz uma tabela existente de pgvector migrar com um tipo que já combina.
Os limites também contam. O Lantern é mantido por um time pequeno, a versão open source mais recente é a v0.5.0, de novembro de 2024, e o plano gratuito na nuvem é modesto: 0,25 vCPU e 0,5 GB de RAM. Cai bem em protótipos e catálogos de porte médio. Para quem precisa de uma estrutura grande de suporte, nem tanto.
Primeiros passos
- Crie um projeto gratuito no Lantern Cloud ou instale a extensão no seu próprio Postgres com Docker, Homebrew ou um binário pré-compilado.
- Rode
CREATE EXTENSION lanternno banco que vai usar. Cada banco de uma instância precisa da sua própria cópia. - Adicione uma coluna vetorial a uma tabela e insira as linhas como arrays de números decimais.
- Crie o índice com
CREATE INDEX ... USING lantern_hnsw, escolhendo uma classe de operador como cosseno ou L2 ao quadrado. - Consulte com os operadores de distância ou ligue a geração automática de embeddings para o Lantern preencher a coluna vetorial a partir do seu texto.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Lantern.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores de backend que já rodam Postgres
- Engenheiros de IA que montam recuperação para chatbots
- Times pequenos sem administrador de banco
Tarefas
- Busca semântica em catálogos de produto, documentação de suporte ou wikis internas, onde a consulta de texto deve trazer resultados por significado, não por palavra exata.
- Busca de imagens por similaridade com embeddings CLIP, que o Lantern traz como modelo próprio ao lado dos modelos de texto.
- Recursos de recomendação que ordenam itens pela distância até o embedding de um usuário, calculada na mesma consulta que junta suas tabelas de negócio.
- Deduplicação e detecção de quase duplicados em bases grandes, com índice de cosseno e um limite de distância.
Cenários
- Adicionar busca a um app existente em Rails, Django ou Node sem colocar outro armazenamento de dados na pilha.
- Migrar do pgvector ou do Pinecone quando você quer um único banco cuidando de dados relacionais e vetores.
- Prototipar um fluxo de RAG no plano gratuito antes de pagar por uma instância.
Principais recursos
Índice HNSW dentro do Postgres
O Lantern cria um tipo de índice lantern_hnsw para colunas vetoriais e acelera consultas ORDER BY ... LIMIT. O índice usa o usearch, uma implementação enxuta de HNSW, e aceita distância L2 ao quadrado, cosseno e Hamming por meio de classes de operador escolhidas na criação do índice.
Geração de embeddings em SQL
Dá para gerar vetores sem sair do banco. O Lantern traz funções auxiliares que chamam modelos de embedding e gravam o resultado numa coluna, então um serviço em Python ou Node não precisa fatiar texto, chamar uma API e tratar retentativas por conta própria.
Colunas com embeddings automáticos
As colunas gerenciadas mantêm os vetores em dia. Você aponta o Lantern para uma coluna de texto e para um modelo, e as linhas novas ou alteradas são processadas em segundo plano como tarefa assíncrona. É o fim do código de cola entre a tabela de conteúdo e o índice de busca.
Chamadas a LLM dentro do SQL
A versão 0.5.0 trouxe llm_completion e add_completion_job, que rodam prompts contra um LLM dentro de uma consulta ou como trabalho em segundo plano. É um recurso estreito, útil para classificar e resumir textos curtos, não um substituto da camada de aplicação.
Indexação sem servidor e construção em paralelo
Criar o índice costuma ser a parte lenta de qualquer montagem vetorial. O Lantern constrói o grafo do índice fora do servidor de banco ou em outra máquina, então uma reconstrução grande não trava o tráfego normal. Na nuvem isso é cobrado como indexação sem servidor a partir de US$ 0,50 por GB.
Ajuste automático do índice e quantização
Escolher M, ef e ef_construction na mão exige experimentos. O Lantern inclui uma ferramenta de autotune que sugere parâmetros para os seus dados e quantização de produto para encolher o índice quando a memória aperta.
Prós e contras
Prós
- Os vetores ficam no Postgres, então joins, filtros e transações funcionam igual ao resto do esquema.
- Aceita o tipo de dado do pgvector, o que encurta a migração para quem já usa a extensão.
- A geração de embeddings e as colunas gerenciadas dispensam um serviço de ingestão separado.
- O plano gratuito da nuvem nunca pausa, então um projeto de demonstração pode ficar parado sem perder o banco.
- O índice pode ser construído fora do servidor principal, o que mantém a produção responsiva durante uma reconstrução.
Contras
- O ritmo de releases do open source é lento. A v0.5.0 saiu em novembro de 2024 e o último push no repositório foi em dezembro de 2024, então conte com o seu próprio fork para correções.
- A documentação assume que você domina SQL e ajuste de índice. Time sem engenheiro de backend trava no primeiro índice.
- A instância gratuita tem 0,25 vCPU e 0,5 GB de RAM, o suficiente para uma demo e pouco além disso.
- O custo dos embeddings entra na conta junto com o banco, e usar a sua própria chave da OpenAI ou da Cohere é o único jeito de escapar da margem por token do Lantern.
Perguntas frequentes
Sim, em dois sentidos. A extensão é open source sob licença AGPL-3.0 e pode ser auto-hospedada de graça, e o Lantern Cloud tem um plano gratuito com 0,25 vCPU, 0,5 GB de RAM e sem pausas. As instâncias pagas começam em US$ 44 por mês e vão até US$ 704 por mês por 16 vCPU e 60 GB de RAM.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Lantern.
Alternativas a Lantern
Base Code
Base44 (Wix) · Programação · ProdutividadeO Base Code é um ambiente de desenvolvimento em nuvem compartilhado da Base44. O time descreve mudanças em um repositório do GitHub pelo chat, confere tudo na prévia e envia o resultado como pull request.
Google EmbeddingGemma 2
Google DeepMind · Escrita · Imagem · ProgramaçãoGoogle EmbeddingGemma 2 é um modelo aberto de 740 milhões de parâmetros que transforma texto, código, imagens, áudio e quadros de vídeo em vetores de um único espaço de 768 dimensões, rodando em celulares e notebooks.
GitGlow
GitGlow · Programação · ProdutividadeO GitGlow é um cliente Git de desktop que coloca seu código e as mudanças dos seus agentes de IA na mesma revisão, para você saber o que vai sair da máquina antes de publicar.