向量数据库

向量数据库存储的是由嵌入模型把文本、图片等内容转换成的一串数字（向量）。语义相近的内容，向量在空间中的距离也更近，因此可以按「意思相近」而非「关键词相同」来检索，例如用「退款怎么办」找到「售后退货流程」。

它依靠近似最近邻（ANN）索引算法，如 HNSW、IVF，在大量向量中快速找出最相似的若干条，并支持按标签、时间、权限等元数据过滤。常见方案有 Milvus、Qdrant、Elasticsearch 的向量检索，以及 PostgreSQL 的 pgvector 扩展。

在企业 AI 项目中，向量数据库是 RAG 和企业知识库的检索底座。数据量不大时，直接用 PostgreSQL 加 pgvector 就能满足需求，减少一套需要运维的系统；数据量和并发很高时，再考虑专用向量数据库或云厂商的托管服务。

纯向量检索对产品型号、编号、专有名词这类精确匹配并不擅长，实践中常与关键词检索组合使用。另外要注意权限隔离：不同部门或客户的资料必须在检索时过滤，避免 AI 回答中泄露不该看到的内容。