Das Wesentliche
Aurabase: nativer pgvector (3 Dimensionsklassen 768/1536/3072), RAG integriert über ragIngest()/rag()und vor allem ein nativer NL2SQL-Endpunkt, der durch einen syntaktischen Baum validiert wird. Convex und Nhost bieten beide eine solide Vektorsuche – aber keines von beiden weist natives NL2SQL im engeren Sinne auf: Übersetzung einer Frage in natürlicher Sprache in eine validierte, begrenzte SQL-Abfrage, die schreibgeschützt ausgeführt wird.
Das Unterscheidungsmerkmal, das kein Mitbewerber abdeckt
Der Aurabase NL2SQL-Endpunkt validiert jede von einem LLM generierte Abfrage über einen Syntaxbaum (Kiste sqlparser): nur SELECT, eine Liste autorisierter Funktionen, standardmäßig ein begrenztes LIMIT und eine explizite Ablehnung von Schemafeldern, die der Client an sich reißen würde. Dies ist kein auf dem Backend montierter Connector – dies wird im aura-ai-Code überprüft.
Convex hat kein Äquivalent – seine Datenbank ist nicht SQL, die Frage wird nicht mit den gleichen Begriffen gestellt. Nhost bietet einen KI-Assistenten mit Zugriff auf das GraphQL-Schema, jedoch keinen NL2SQL-Endpunkt, der Ihren Endbenutzern mit einem dokumentierten Sicherheitsvertrag zugänglich gemacht wird. Sehen Sie sich unsere vollständige -Definition von NL2SQL und unseren Artikel über zur Sicherung gegen SQL-Injection an, die von einem LLMgeneriert wird.
nativer pgvector, ohne separate Vektorbasis zum Betrieb
Aurabase bettet pgvector direkt in sein Postgres 16-Mandanten-Image ein, mit einer nativen RAG-Pipeline – Aufnahme, Chunking, Einbettungen, HNSW-Index pro Dimensionsklasse – verfügbar gemacht über zwei API-Aufrufe, ragIngest() und rag(). Sehen Sie sich unser vollständiges RAG-Pipeline-Tutorialan.
Convex bietet eine robuste eingebettete Vektorsuche mit wiederverwendbaren RAG- und Agent-Komponenten und konfigurierbarer OpenAI-Einbettungsunterstützung. Nhost generiert und verwaltet automatisch Vektoreinbettungen für die semantische Suche. Alle drei Plattformen decken diesen Bereich ab – der Unterschied besteht darin, was nach der Vektorsuche kommt, nicht in der Suche selbst.
Drei native Clients, kein generischer Router
Aurabase integriert OpenAI, Anthropic und Gemini nativ – jeweils mit einem dedizierten Client in aura-ai, mit automatischem Leistungsschalter-Failover im Falle eines Anbieterausfalls. Genaue Einzelheiten zu dieser Unterscheidung finden Sie in unserem Artikel über native Anbieter im Vergleich zu OpenAI-kompatiblen Endpunkten.
Was zeichnet die drei KI-Ansätze aus?
| Natives NL2SQL | Ja – validiert durch den Syntaxbaum | Nein (Konvex, Nhost) |
|---|---|---|
| Vektorsuche | nativer pgvector, HNSW pro Dimension | Ja, in beiden Fällen solide |
| RAG | Nativ, 2 API-Aufrufe | Wiederverwendbare Komponenten (konvex) |
| Datenbank | PostgreSQL 16-Standard | Nicht-SQL (konvex) / Postgres+Hasura (Nhost) |
| Native LLM-Anbieter | 3 (OpenAI, Anthropic, Gemini) | Undokumentiertes Äquivalent |
Convex und Nhost investieren wirklich in ihre jeweiligen KI-Fähigkeiten – ihre Vektorsuche ist ausgereift und dokumentiert. Natives NL2SQL ist bis heute der Grund, dass keines der beiden im engeren Sinne abdeckt.