向量数据库是什么？
普通数据库擅长按关键字精确匹配：你要「苹果」，它就给你带「苹果」两个字的记录。但 AI 需要按「意思」搜索——你说「又大又红的果子」，它也得想到苹果。向量数据库，就是专门为「按意思找相似」而生的数据库。它存的是什么东西？
向量（向量嵌入）AI 会把一段文字、一张图、一段音频转换成一串数字，这串数字就叫「向量」。意思相近的内容，向量在空间里的位置也近。
相似度检索
查询时，数据库不再比对文字，而是比对你的查询向量和库里的向量「离得有多近」，越近越相关。
它解决什么问题？
语义搜索换一种说法也能找到同样的结果，不用抠关键字。
RAG（检索增强生成）
大模型回答问题前，先从向量库里捞出最相关的资料片段，减少胡编。
推荐与去重
「猜你喜欢」「找出相似图片/文章」都靠向量相似度。
它和普通数据库的区别
传统数据库优化的是「等值查询」和「范围查询」，向量数据库优化的是「最近邻搜索」——在海量高维向量里，快速找出离目标最近的一批。这需要特殊的索引（如 HNSW）来加速，否则几百万向量会算到天荒地老。一句话记住：向量数据库，就是让 AI 能「按意思找人、找图、找资料」的搜索引擎底座。
评论