什么是向量数据库？AI 应用为何离不开它

什么是向量数据库

向量数据库是专门存储和检索"向量"（一组数字，表示文本、图片等内容的语义）的数据库。它按"语义相似度"而不是关键词查找数据。

为什么需要它

传统数据库按精确匹配查询，而 AI 场景需要"按意思找"：比如搜"怎么养猫"，应返回"猫咪喂养指南"而不是只含"养猫"两字的文档。向量数据库用数学距离衡量语义远近，天然适合。

核心流程

第一步：用嵌入模型（Embedding）把文档/图片转成向量。
第二步：存入向量数据库，建立索引。
第三步：查询时把问题也转成向量，找最相似的 Top-K。

典型场景

RAG 知识库：企业文档问答。
语义搜索：搜索引擎、内容推荐。
AI 记忆：让助手记住历史对话。
去重与聚类：内容治理。

主流产品

开源：Milvus、Qdrant、Chroma、Weaviate。
云服务：阿里云、腾讯云、AWS 等均有向量检索产品。

总结

向量数据库是"让 AI 能查资料"的关键基础设施：没有它，RAG 和语义搜索无从谈起。理解它的原理，就能理解当下 AI 应用的核心架构。