向量数据库是一种专门设计用于存储、管理和索引高维向量数据的数据库。它是实现 RAG（检索增强生成）和现代 AI 应用的关键基础设施。

​
为什么需要向量数据库？

传统的数据库（如 MySQL, PostgreSQL）擅长精确匹配（如 WHERE id = 1），但不擅长在高维空间中寻找“最相似”的数据。 向量数据库使用了特殊的索引算法（如 HNSW, IVFFlat），可以在数亿条数据中毫秒级地找到与查询向量最相似的 Top-K 条记录。

​
常见向量数据库

  • Milvus: 开源、高性能、云原生。
  • Pinecone: 托管型服务，易于使用。
  • Chroma: 轻量级，适合 Python 开发。
  • Qdrant: Rust 编写，性能优异。
  • pgvector: PostgreSQL 的向量扩展插件。

​
工作流程

  1. 将知识库文本通过 Embedding 模型转换为向量。
  2. 将向量存入向量数据库。
  3. 用户提问时，将问题也转换为向量。
  4. 在数据库中搜索最相似的向量。
  5. 返回相关文本给 LLM 生成答案。