向量数据库

向量数据库是专门存储和查询向量（Embedding 模型输出的浮点数组）的数据库。它不像 MySQL 存原始文本，而是存文本经过 Embedding 后的数学表示，通过计算向量之间的相似度来检索。

为什么需要

传统数据库靠精确匹配："跑步"只命中包含"跑步"的行。向量数据库靠语义相似："想运动一下"能命中"今天早上跑步"——字面不同但意思相近。

场景	传统数据库	向量数据库
搜 "errorCode=5001"	✅ 精确命中	❌ 可能漂移
搜 "今天心情不好"	❌ 需含关键字	✅ 语义匹配到"失眠""烦躁"
搜 CPU 型号	✅ 精确	❌ 可能匹配到相邻型号

两者不是替代，是互补。

主流产品

产品	定位	特点
Milvus	开源向量数据库	云原生、分布式、十亿级检索
Qdrant	开源向量数据库	Rust 实现、高性能、过滤强
Weaviate	开源向量数据库	自带向量化、Hybrid Search
Pinecone	云服务	免运维、Serverless
Chroma	轻量嵌入式	Python/JS SDK，适合原型开发
pgvector	PostgreSQL 扩展	不用新装数据库，SQL 直接搜向量

和传统数据库的区别

	传统数据库	向量数据库
存什么	原始数据（文本、数字）	向量（浮点数组）
怎么查	SQL / 精确匹配 / 范围	近邻搜索 / 相似度
排序依据	ORDER BY 字段	余弦相似度 / 欧氏距离
适合	结构化统计	语义检索、推荐

在 RAG 中的角色

用户问题 → Embedding → 向量 → Milvus 近邻检索 → Top K 文档 → LLM 回答

向量数据库是 RAG 检索层的核心组件——负责把"用户问题的语义"匹配到"最相关的知识库文档"。

📖 详细内容见 Elasticsearch（关键词检索）和 混合检索（ES + Milvus 双通道）。