VectorWave - framework que salva/faz cache automaticamente de entradas e saídas de funções Python em um Vector DB com uma única linha de decorador

Olá, gostaria de apresentar o VectorWave, um framework open source que desenvolvi para armazenar e gerenciar automaticamente em um banco de dados vetorial (Weaviate) os dados de execução de funções/métodos Python.

O projeto começou a partir da experiência de como era trabalhoso montar pipelines de coleta de dados, embeddings e logging ao construir sistemas RAG ou criar aplicações com LLM.

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

O que é o VectorWave?
O VectorWave usa o decorador @vectorize para fazer automaticamente embeddings do código-fonte da função, docstring, valores de entrada/saída em tempo de execução e mais, salvando tudo em um Vector DB sem necessidade de configurações complexas. Com isso, ele possibilita "busca semântica da execução de código" e "cache semântico".

Principais recursos
Seamless Auto-Vectorization:

Basta adicionar o decorador @vectorize para que os metadados da função (estáticos) e os logs de execução (dinâmicos) sejam armazenados automaticamente no Vector DB.

Semantic Caching (redução de custos):

No caso de funções caras, como chamadas de LLM, ele retorna resultados em cache com base na similaridade semântica (Semantic Similarity) dos valores de entrada, reduzindo drasticamente os custos de API e a latência.

Documentação automática com IA:

A LLM gera automaticamente itens como a search_description da função para melhorar a qualidade da busca e reduzir a carga de documentação para desenvolvedores.

Rastreamento distribuído (Distributed Tracing):

Em combinação com @trace_span, é possível agrupar workflows complexos em um único trace_id para visualizar e monitorar o fluxo de execução.

Auto-Injection:

É possível aplicar monitoramento/logging injetando a funcionalidade externamente, sem modificar o código da lógica de negócio existente.

Docs: https://cozymori.github.io/vectorwave-docs/
Você pode ver os detalhes na documentação acima.

Agradeço muito qualquer feedback ou contribuição, e se gostar do projeto, deixe uma estrela!