VectorWave - framework untuk menyimpan/cache input-output fungsi Python ke Vector DB secara otomatis hanya dengan satu baris dekorator

Halo, saya ingin memperkenalkan VectorWave, framework open-source yang saya kembangkan untuk secara otomatis menyimpan dan mengelola data eksekusi fungsi/metode Python ke database vektor (Weaviate).

Proyek ini berawal dari pengalaman merasa repot saat harus membangun pipeline pengumpulan data, embedding, dan logging ketika membuat sistem RAG atau aplikasi LLM.

Github: https://github.com/cozymori/vectorwave

Apa itu VectorWave?
VectorWave menggunakan dekorator @vectorize untuk secara otomatis melakukan embedding dan menyimpan source code fungsi, docstring, nilai input/output saat eksekusi, dan lainnya ke Vector DB tanpa konfigurasi yang rumit. Dengan ini, "pencarian semantik atas eksekusi kode" dan "semantic caching" menjadi mungkin.

Fitur utama
Seamless Auto-Vectorization:

Cukup tambahkan satu dekorator @vectorize, maka metadata fungsi (statis) dan log eksekusi (dinamis) akan otomatis disimpan ke Vector DB.

Semantic Caching (penghematan biaya):

Untuk fungsi yang mahal biayanya seperti pemanggilan LLM, hasil cache dikembalikan berdasarkan kemiripan semantik (Semantic Similarity) dari nilai input, sehingga biaya API dan latensi dapat dikurangi secara drastis.

Dokumentasi otomatis berbasis AI:

LLM secara otomatis membuat search_description fungsi dan lainnya untuk meningkatkan kualitas pencarian serta mengurangi beban dokumentasi bagi developer.

Distributed Tracing:

Dikombinasikan dengan @trace_span, workflow yang kompleks dapat diikat dengan satu trace_id untuk memvisualisasikan dan memantau alur eksekusi.

Auto-Injection:

Fitur dapat diinjeksi dari luar tanpa mengubah kode business logic yang ada, sehingga monitoring/logging bisa diterapkan.

Docs: https://cozymori.github.io/vectorwave-docs/
Anda dapat melihat detail lebih lanjut pada dokumentasi di atas.

Saya sangat menantikan feedback dan kontribusi Anda, dan jika Anda menyukainya, mohon bantu beri star!