前端必备的知识宝典

外观

向量数据库 ​

概念 ​

向量数据库（Vector Database）是一种专门存储和检索高维向量的数据库系统。与传统数据库按精确值查询不同，向量数据库通过计算向量之间的相似度来找到最相关的结果。

在 AI 应用中，向量数据库是 RAG、语义搜索、推荐系统等功能的核心基础设施。

为什么需要向量数据库 ​

传统关键词搜索的问题：

  • "JavaScript 异步编程" 搜不到 "JS async/await 详解"
  • 用户说 "便宜好用的手机" 搜不到 "高性价比智能机推荐"

向量搜索用语义相似度替代关键词匹配，理解了用户的意图而非文字。

核心概念 ​

向量索引（Vector Index） ​

为加速海量向量间的相似度搜索而设计的数据结构：

  • ANN（近似最近邻）：牺牲微小精度换取极大加速
  • HNSW（分层可导航小世界图）：当前最主流的 ANN 算法
  • IVF（倒排文件索引）：先聚类再在最近的几个簇中搜索

相似度度量 ​

方法描述适用场景
余弦相似度angle between vectors语义搜索（最常用）
欧氏距离straight-line distance图像、音频
点积（Dot Product）vector multiplication需要关注向量大小的场景

Metadata 过滤 ​

在向量相似度之外，结合传统字段过滤：

"在 2024 年发表的论文中，找到与'Transformer 架构'最相关的..."
        ↑ metadata 过滤                    ↑ 向量相似度

主流向量数据库 ​

名称类型特点
Milvus专用向量库开源、分布式、高性能
Pinecone云服务全托管、零运维
Weaviate专用向量库开源、内置向量化
Qdrant专用向量库Rust 编写、高性能
Chroma轻量向量库适合原型和小项目
pgvectorPostgreSQL 插件在现有 PG 中直接用
Elasticsearch搜索引擎+向量全文搜索+向量搜索一体
FAISS向量索引库Meta 开源，纯向量索引
Voy向量索引Spotify 开源，WASM 可运行

前端使用场景 ​

浏览器端向量搜索 ​

  • Transformers.js + Voy：在浏览器中做 Embedding + 向量检索
  • 适合离线 PWA 应用、客户端隐私数据搜索

后端向量数据库 + 前端 API ​

最常见的架构：

用户输入 → 后端 API → Embedding → 向量库检索 → Top-K 文档 → 返回前端

前端只负责展示，不需要处理向量计算。

面试常问 ​

  • 向量数据库和传统数据库的核心区别是什么？
  • 为什么向量搜索不追求精确匹配，而用近似最近邻（ANN）？
  • 列举一个前端可以用的向量检索方案。

参考 ​