知识图谱
向量数据库核心概念
向量数据库专门存储和检索高维向量，是 RAG 和语义搜索的基础设施。
核心
概念
方法
应用
🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
🗄️
向量数据库概念把事物表示为向量的想法可以追溯到1950年代,但向量数据库直到2022年LLM爆发后才成为十亿美元级别的产业。核心思想很优雅:把文本、图片、音频都转换成数字坐标,让"语义相似度"变成可计算的几何距离。
一句话总结
💡
向量数据库专门存储和检索高维向量，通过近似最近邻搜索实现毫秒级相似度查询，是 AI 应用的基础设施。
常见误区
这些坑别踩
✗
误区 1
向量数据库就是传统数据库加个向量字段。
✓
正确理解
它专为高维向量的近似最近邻搜索优化，索引结构和查询机制与传统 DB 不同。
✗
误区 2
向量检索返回的是精确最近邻。
✓
正确理解
为速度通常用 ANN 近似算法，结果是近似而非精确最近邻。
✗
误区 3
向量数据库能完全替代关系型数据库。
✓
正确理解
二者擅长不同，向量库擅长相似度检索，关系型擅长结构化查询，常需结合。