【AI词典】向量数据库 - 专为向量化数据设计的高效存储检索系统

向量数据库：定义

向量数据库是一种专门为存储、索引和高效检索高维向量数据而设计的数据库管理系统。它通过计算向量之间的相似度（如余弦相似度或欧氏距离），实现基于语义或特征相似性的快速近邻搜索，是处理非结构化数据（如图像、文本、音频）的核心基础设施。

向量数据库的工作原理

想象一个巨大的图书馆，传统数据库通过书名或作者名（精确关键词）找书，而向量数据库则通过“这本书的风格和内容与哪几本最相似”来推荐书籍。其工作流程可分为三步：首先，利用嵌入模型将文本、图片等原始数据转化为数学上的高维向量（即一组数字），这个向量代表了数据的深层特征。其次，数据库使用专门的近似最近邻搜索算法（如HNSW、IVF）对这些向量建立索引，该索引结构允许系统在海量数据中快速定位目标，而无需逐一精确计算。最后，当用户输入查询（例如一段问题或一张图片）时，查询内容同样被转化为向量，系统通过索引快速找出库中与之最相似的向量，并返回对应的原始数据。

向量数据库的应用场景

• 智能检索与推荐系统：在电商平台中，用户上传一张心仪家具的图片，系统通过向量数据库快速找到风格、颜色、形状相似的商品。在内容平台，它可根据用户刚读完的文章向量，推荐语义上相关的下一篇文章，实现“深度兴趣推荐”。
• 大模型记忆与增强检索：作为大型语言模型的外部记忆体，解决其知识滞后与幻觉问题。当用户提问时，系统先将问题向量化，在向量数据库中检索相关的企业文档、知识库内容，并将这些精准信息作为上下文提供给LLM，从而生成准确、有据的回答，即检索增强生成技术。
• 多模态与生物识别：在安防领域，将摄像头捕捉的人脸特征转化为向量，与数据库中的向量进行实时比对，实现毫秒级身份识别。在医药研发中，可将分子结构向量化，快速筛选出与靶点蛋白相似度高的候选化合物。

相关术语

嵌入、
近似最近邻搜索、
语义搜索、
检索增强生成、
大型语言模型、
向量索引

延伸阅读

若想深入了解，可探索ANN算法（如HNSW、PQ）的原始论文，以及开源向量数据库（如Milvus、Weaviate）的官方文档与技术架构解析。了解不同距离度量标准（余弦相似度、内积、欧氏距离）对搜索结果的影响，也是深入掌握其原理的关键。