向量数据库的理解

记录一下从0开始理解的向量数据库的概念。

1、首先是RAG的概念
向量数据库并不是只在RAG中有。但是RAG中的应用场景比较典型，而且AI也比较火，RAG在其中有应用。
RAG，就是检索增强生成。
比如把一个文字，在无数的维度上进行量化。这样就生成了一个向量。
向量之间，可以通过算法，判断它们的距离，距离近的，相关度就是高的。可以提供给大模型进行计算。

2、向量数据库
向量数据库就是干这个用的，用于保存向量，检索的时候，可以根据向量的相关度，或者距离把相关文本，或者材料提供给用户。比如大模型。

3、PG
在PG中使用vector这个类型，来保存向量。也提供了常用的算法，还计算向量的距离。

4、其它数据库
在oracle的最新版本，也提供类似的功能，但是技术系统相关封闭。其它传统数据库不提供相关的功能。mysql/mssql都没有。
另外，市场上是有专门的向量数据库的。PG在这一方面，跟专业的向量数据库的区别在于，可以保存的记录数和性能。
也就是说，PG解决了能不能用的问题，但在极端情况下，需要更专业的数据库。
在预算不足，场景不是很明确的性情下，仍然是个不错的选择，或者说过度选择。