VectorWave - framework que guarda/cachea automáticamente entradas y salidas de funciones de Python en una Vector DB con una sola línea de decorador

Hola, quiero presentar VectorWave, un framework open source que desarrollé para guardar y administrar automáticamente los datos de ejecución de funciones/métodos de Python en una base de datos vectorial (Weaviate).

Este proyecto nació de la experiencia de lo tedioso que era construir pipelines de recolección de datos, embeddings y logging al crear sistemas RAG o aplicaciones con LLM.

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

¿Qué es VectorWave?
VectorWave usa el decorador @vectorize para incrustar automáticamente y guardar en una Vector DB, sin configuraciones complejas, el código fuente de una función, su docstring, y también los valores de entrada y retorno durante la ejecución. Esto hace posible la "búsqueda semántica de ejecuciones de código" y el "caché semántico".

Funciones principales
Seamless Auto-Vectorization:

Con solo agregar el decorador @vectorize, los metadatos de la función (estáticos) y los logs de ejecución (dinámicos) se guardan automáticamente en una Vector DB.

Semantic Caching (reducción de costos):

En funciones costosas, como llamadas a LLM, devuelve resultados almacenados en caché con base en la similitud semántica de los valores de entrada (Semantic Similarity), reduciendo drásticamente los costos de API y la latencia.

Documentación automática basada en IA:

El LLM genera automáticamente elementos como search_description de la función para mejorar la calidad de búsqueda y reducir la carga de documentación para el desarrollador.

Trazado distribuido (Distributed Tracing):

Al combinarse con @trace_span, permite agrupar flujos de trabajo complejos bajo un solo trace_id para visualizar y monitorear el flujo de ejecución.

Auto-Injection:

Permite inyectar funcionalidades desde fuera sin modificar el código de lógica de negocio existente, para aplicar monitoreo/logging.

Docs: https://cozymori.github.io/vectorwave-docs/
Puedes ver más detalles en la documentación de arriba.

¡Agradezco mucho su feedback y contribuciones, y si les gusta, les agradecería una estrella!