33 lines
1011 B
Markdown
33 lines
1011 B
Markdown
---
|
||
title: "向量数据库"
|
||
type: concept
|
||
tags: [vector-database, rag, embedding]
|
||
sources: ["RAG从入门到精通系列1：基础RAG"]
|
||
last_updated: 2026-04-15
|
||
---
|
||
|
||
## Definition
|
||
专门用于存储和检索高维 Embedding Vector 的数据库，支持多种相似度衡量方法，实现高效的语义检索。
|
||
|
||
## Core Functions
|
||
- 存储 Embedding Vector 及关联元数据
|
||
- 实现相似度检索（余弦相似度、点积、欧氏距离等）
|
||
- 支持 Top-k 检索（返回最相似的 k 个结果）
|
||
|
||
## Popular Solutions
|
||
| 数据库 | 特点 |
|
||
|--------|------|
|
||
| Qdrant | Rust 编写，开源，高性能 |
|
||
| Pinecone | 云原生托管服务 |
|
||
| Chroma | 轻量级，适合本地开发 |
|
||
| Milvus | Apache 许可，开源 |
|
||
| Weaviate | 混合搜索（向量+关键词） |
|
||
|
||
## Related Concepts
|
||
- [[Embedding]]：向量数据库存储的对象
|
||
- [[RAG]]：向量数据库的主要应用场景
|
||
- [[Retrieval]]：向量数据库的核心能力
|
||
|
||
## Sources
|
||
- [[RAG从入门到精通系列1：基础RAG]]
|