向量数据库：大模型时代的新型基础设施
当大语言模型需要「记住」海量知识时，传统数据库力不从心。
为什么需要向量数据库？
AI 应用需要语义匹配而非精确匹配。嵌入技术把文本、图片转换成高维向量，向量数据库专门存储和检索这些向量。
它和传统数据库有什么不同？
传统索引结构为精确匹配设计，向量检索需要「最近邻搜索」。向量数据库使用 HNSW、IVF、PQ 等 ANN 算法实现高效检索。
2026 年的生态
专用向量数据库：Milvus、Pinecone、Qdrant、Weaviate。传统数据库扩展：pgvector（PostgreSQL）、Elasticsearch。大模型平台内置：OpenAI Assistants API、Vertex AI Search。
RAG：杀手级应用
检索增强生成（RAG）在模型回答前先检索相关文档作为上下文，把大模型从「凭记忆回答」变成「可以翻书」的开卷考试者。2026 年 RAG 已成为企业 AI 应用的标准架构。
未来
向量数据库正从「AI 专用工具」演变为「通用数据基础设施」。理解向量数据库已不是可选加分项，而是必备基础知识。