完整定義
向量資料庫是一種專門設計用於儲存、索引和查詢向量嵌入的資料庫。它能夠高效地執行近似最近鄰 (ANN) 搜尋,用於尋找與查詢向量最相似的向量。常見應用包括推薦系統、語義搜尋、圖像檢索和異常偵測。
白話說明
你有沒有想過,搜尋不一定要靠字面完全一樣,也能找到意思相近的內容?
你可以把向量資料庫想成「專門用來找語意相近資料的資料庫」
它先把文字、圖片或音訊轉成向量,再用相似度找最接近的內容
所以它特別適合檢索、推薦和 RAG
記住這句
先把內容變向量,再用距離找出最像的那一群。
比喻:向量資料庫就像一個超級會分類的圖書館,不只存書,還會把每本書的「內容精髓」轉成獨特的編號,然後把意思相近的書排在一起 -- 這樣你找書時,只要說出你想要什麼「感覺」的書,它就能快速推薦給你最相關的。
容易混淆
向量資料庫 vs 關聯式資料庫
向量資料庫靠相似度找資料
關聯式資料庫靠欄位和條件查資料
最關鍵的區別:意思相近還是欄位精準
向量資料庫 vs 搜尋引擎
向量資料庫重視語意距離
搜尋引擎更常做關鍵字和排序
最關鍵的區別:語意搜尋和字面搜尋
向量資料庫 vs 嵌入模型
向量資料庫負責存和找
嵌入模型負責把內容轉成向量
最關鍵的區別:儲存檢索和表示生成
實際案例
客服知識庫
把 FAQ 轉成向量後,使用者即使換成別的說法,系統也能找出相近答案
圖片推薦
商品圖片編碼成向量後,可以用外觀相似度找出相似商品
演算法與應用
| 嵌入表示 | 把內容轉成向量 | 是前置步驟 |
| 相似度搜尋 | 找距離最近的向量 | 常用餘弦或內積 |
| 索引結構 | 加速大量向量查找 | 不然查詢太慢 |
| RAG | 把檢索內容送進生成模型 | 很常見的組合 |
情境判斷
Q1(直覺題):你要找意思相近的 FAQ,向量資料庫有幫助嗎?
有幫助,因為它不只看關鍵字,還看語意相似度。
Q2(判斷題):你要做精準欄位篩選,例如價格大於 1000,還適合只靠它嗎?
不適合,這種條件查詢關聯式資料庫更直接。
常見問題
不一定,但通常會先靠嵌入模型產生向量。
不是,圖片、音訊和影片特徵都可以。
因為向量資料常常很大,沒有索引就會慢到不能用。
範例考題
某有機農場累積了十年的病蟲害防治紀錄文件,包含不同作物的病害症狀描述、防治方法和效果評估。農場主人希望建立一個 AI 助手,能根據農民描述的作物症狀,快速提供相關的防治建議和歷史案例。下列哪一種技術最適合解決這個需求?
- A直接使用 ChatGPT 的預訓練知識回答農業問題
- B將所有文件內容加入 ChatGPT 的系統提示詞中
- C採用 RAG 技術,將農場文件建立向量資料庫,結合大語言模型生成回答
- D使用少樣本學習(Few-shot Learning),在提示詞中提供 3-5 個病害案例
正解是 C:採用 RAG 技術,將農場文件建立向量資料庫,結合大語言模型生成回答
解析:RAG 技術能將十年的病蟲害防治紀錄建立為向量資料庫,根據農民描述檢索相關文件,再結合 LLM 生成精準的防治建議,最適合此類知識密集型查詢需求。
出現在這些考古題
官方公告試題的逐題解析裡,有 8 題把向量資料庫列為延伸術語,這裡列出 5 題。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本