Client-Side & AnındaDrizzle ORM · drizzle-zodpgvector HNSW & FTS

Drizzle Schema & Zod Builder

JSON veya SQL CREATE TABLE çıktılarından Neon ve Supabase uyumlu Drizzle pgTable şemaları, pgvector HNSW indeksleri ve drizzle-zod doğrulama modelleri üretin.

Drizzle ORM · pgvector · drizzle-zod

JSON veya SQL’den Drizzle Şeması & Zod Üretin

Örnek JSON verinizi veya PostgreSQL CREATE TABLE SQL’inizi yapıştırın; Neon ve Supabase uyumlu Drizzle pgTable, pgvector HNSW indeksi, Türkçe FTS GIN indeksi ve drizzle-zod şemalarını tek tıkla alın.

Hazır Şablonlar:

Girdi Kaynağı

Yüzde yüz tarayıcınızda çalışır; verileriniz sunucuya gönderilmez.

Schema Options

Tablo AdıPrimary Key Tipi

pgvector embedding + HNSW indeksitsvector FTS + GIN indeksicreatedAt & updatedAt eklecamelCase JS alan adları

Vektör BoyutuFTS Dili

12 kolon

import {
  boolean,
  customType,
  index,
  integer,
  jsonb,
  pgTable,
  text,
  timestamp,
  uuid,
  vector,
} from 'drizzle-orm/pg-core'

const tsvector = customType<{ data: string }>({
  dataType() {
    return 'tsvector'
  },
})

export const knowledgeChunks = pgTable(
  'knowledge_chunks',
  {
  id: uuid('id').defaultRandom().primaryKey(),
  documentId: text('document_id').notNull(),
  title: text('title').notNull(),
  content: text('content').notNull(),
  locale: text('locale').notNull(),
  tokenCount: integer('token_count').notNull(),
  isPublished: boolean('is_published').notNull(),
  metadata: jsonb('metadata').$type<Record<string, unknown>>().notNull(),
  embedding: vector('embedding', { dimensions: 1536 }),
  createdAt: timestamp('created_at', { withTimezone: true }).defaultNow().notNull(),
  updatedAt: timestamp('updated_at', { withTimezone: true }).defaultNow().notNull(),
  searchVector: tsvector('search_vector'),
  },
  (table) => [
  knowledgeChunksEmbeddingHnswIdx: index('knowledge_chunks_embedding_hnsw_idx').using('hnsw', table.embedding.op('vector_cosine_ops')),
  knowledgeChunksFtsGinIdx: index('knowledge_chunks_fts_gin_idx').using('gin', table.searchVector),
  ]
)

export type KnowledgeChunks = typeof knowledgeChunks.$inferSelect
export type NewKnowledgeChunks = typeof knowledgeChunks.$inferInsert

Drizzle ORM & pgvector Şema Tasarım Rehberi

Next.js 16 ve Serverless Postgres (Neon, Supabase) projelerinde tip güvenliğini veritabanından API katmanına kadar kesintisiz taşımak için Drizzle ORM, drizzle-zod ve pgvector en güçlü üçlüdür. Bu araç JSON veya SQL çıktısından saniyeler içinde üretime hazır şema üretir.

Neden Drizzle ORM ve drizzle-zod?

Drizzle şeması doğrudan TypeScript kodu olarak yaşar; ekstra codegen adımı olmadan $inferSelect ve $inferInsert tiplerini verir. drizzle-zod ise aynı tablo tanımından API Route Handler ve Server Action doğrulama şemalarını türeterek tek doğruluk kaynağı (single source of truth) sağlar.

pgvector HNSW ve Türkçe FTS hibrit indeksleme

RAG uygulamalarında yalnızca vektör araması (vector_cosine_ops) bazen ürün kodları veya özel terimleri kaçırır. Tabloya hem embedding hem de tsvector GIN indeksi eklemek hibrit arama (RRF) kurmanızı sağlar. İndeks sorgularını test etmek için AI SQL & Postgres Optimizer ve chunk kalitesini ölçmek için AI RAG Eval & Hybrid Search Tester araçlarını kullanabilirsiniz.

API katmanında tip güvenliği

Ürettiğiniz insertSchema ve selectSchema bloklarını API yanıtlarınızdaki modellerle birleştirmek için JSON to TypeScript & Zod ve API Mock & Schema Studio araçlarıyla birlikte kullanabilirsiniz.

Blog Konular SSS

Sıkça Sorulan Sorular (SSS)

Hem örnek JSON nesnelerini (veya nesne dizilerini) hem de standart PostgreSQL CREATE TABLE SQL ifadelerini ayrıştırarak Drizzle ORM pgTable tanımına dönüştürür.

Seçenekler panelinden pgvector embedding ve tsvector FTS kutucuklarını işaretlediğinizde schema.ts dosyasına vector(1536), HNSW (vector_cosine_ops) ve GIN indeksleri otomatik eklenir.

createInsertSchema ve createSelectSchema fonksiyonları veritabanı şemanızdan otomatik Zod doğrulama şemaları türeterek API Route Handler ve Server Action katmanlarında tekrar yazımı ortadan kaldırır.

Hayır, araç tamamen tarayıcınızda (Client-Side) çalışır; yapıştırdığınız JSON ve SQL şemaları hiçbir sunucuya iletilmez.

import { boolean, customType, index, integer, jsonb, pgTable, text, timestamp, uuid, vector, } from 'drizzle-orm/pg-core' const tsvector = customType<{ data: string }>({ dataType() { return 'tsvector' }, }) export const knowledgeChunks = pgTable( 'knowledge_chunks', { id: uuid('id').defaultRandom().primaryKey(), documentId: text('document_id').notNull(), title: text('title').notNull(), content: text('content').notNull(), locale: text('locale').notNull(), tokenCount: integer('token_count').notNull(), isPublished: boolean('is_published').notNull(), metadata: jsonb('metadata').$type<Record<string, unknown>>().notNull(), embedding: vector('embedding', { dimensions: 1536 }), createdAt: timestamp('created_at', { withTimezone: true }).defaultNow().notNull(), updatedAt: timestamp('updated_at', { withTimezone: true }).defaultNow().notNull(), searchVector: tsvector('search_vector'), }, (table) => [ knowledgeChunksEmbeddingHnswIdx: index('knowledge_chunks_embedding_hnsw_idx').using('hnsw', table.embedding.op('vector_cosine_ops')), knowledgeChunksFtsGinIdx: index('knowledge_chunks_fts_gin_idx').using('gin', table.searchVector), ] ) export type KnowledgeChunks = typeof knowledgeChunks.$inferSelect export type NewKnowledgeChunks = typeof knowledgeChunks.$inferInsert