什么是向量数据库？
向量数据库（Vector Database）是一种专门用于存储、管理和检索向量嵌入数据的数据库系统。与传统数据库按精确条件匹配不同，向量数据库支持"相似度搜索"——给定一个查询向量，它能快速找到最相似的向量。这在 AI 应用中非常有用，因为 Embedding 向量天然携带语义信息。
向量数据库的工作原理
存储：将文本、图片等数据通过 Embedding 模型转换为向量，存入向量数据库。
索引：为了高效搜索，向量数据库会构建特殊的索引结构（如 HNSW、IVF），将相似的向量聚集在一起，大幅缩小搜索范围。
搜索：给定查询向量，向量数据库在索引中快速找到最相似的 K 个向量，返回对应的原始数据。
主流向量数据库
- ·Pinecone：托管向量数据库，开箱即用
- ·Milvus：开源向量数据库，功能强大
- ·Weaviate：开箱即用，支持多种 Embedding 模型
- ·Qdrant：Rust 编写，性能优异
- ·ChromaDB：轻量级，适合开发和原型
- ·pgvector：PostgreSQL 的向量扩展，适合已有 Postgres 的团队
向量数据库的应用场景
向量数据库最核心的应用是 RAG（检索增强生成）——作为大模型的外部知识库。此外，它还广泛应用于语义搜索、推荐系统、图像检索、异常检测、去重等场景。