向量資料庫

向量數據庫（Vector Database）是專門存儲和檢索高維向量的數據庫，支持相似度搜索（最近鄰），是檢索增強生成 (RAG)和語義搜索的基礎設施。

核心功能：

• 向量存儲：高效存儲高維向量（通常768-1536維）
• 相似度搜索：基於距離度量（餘弦相似度、歐氏距離）
• 近似最近鄰（ANN）：快速檢索，犧牲少量精度
• 元數據過濾：結合屬性過濾和向量搜索

索引算法：

• HNSW（Hierarchical Navigable Small World）：
• 圖結構索引
• 高效準確
• 內存型

• IVF（Inverted File）：
• 向量量化聚類
• 適合大規模

• LSH（Locality Sensitive Hashing）：
• 哈希桶分組
• 快速但精度較低

• 樹結構：Annoy等

主流產品：

• Pinecone：託管服務，易用
• Weaviate：開源，GraphQL接口
• Chroma：輕量，開發友好
• Milvus/Zilliz：企業級，分布式
• Qdrant：開源，Rust編寫
• pgvector：PostgreSQL擴展

應用場景：

• 檢索增強生成 (RAG)：文檔檢索
• 語義搜尋：意圖理解而非關鍵詞匹配
• 推薦系統：相似物品檢索
• 圖像搜索：以圖搜圖
• 異常檢測：相似度異常
• 生物信息：分子相似性

選擇考量：

• 規模：百萬、十億級向量
• 延遲：毫秒級或秒級可接受
• 準確性：是否接受近似結果
• 部署：雲服務 vs 本地部署
• 成本：存儲和查詢費用

與傳統數據庫的對比：

• 傳統：精確匹配、範圍查詢
• 向量：相似度搜索
• 結合：多數產品支持混合查詢

向量數據庫是語義搜索時代的基礎設施。