向量数据库入门

向量数据库存的不再是「表」，而是把文本、图片等转成的数字向量，并通过「向量距离」判断相似度。RAG 应用里它负责存知识、查知识。

核心概念

• Embedding（嵌入）：把文本映射为固定维度的向量，语义相近的文本向量也相近
• 向量距离：常用余弦相似度（Cosine）与欧氏距离，距离越近越相似
• 索引算法：HNSW、IVF 等近似最近邻（ANN）算法，在速度与精度间权衡

主流产品

• 开源/自建：Milvus、Qdrant、Chroma、Weaviate（可 docker 一键启动）
• 云服务：Pinecone、Zilliz Cloud、阿里云/腾讯云的向量检索服务
• 轻量方案：SQLite 扩展 sqlite-vec、pgvector（PostgreSQL 插件），小项目足够

怎么选

数据量 < 100 万条且已有 PostgreSQL → 直接用 pgvector；要独立高性能检索 → Milvus/Qdrant；团队不想运维 → 云服务。入门学习用 Chroma 最省心。