向量資料庫

向量資料庫（Vector database）、向量儲存或向量搜尋引擎是一種能夠儲存向量（固定長度的數值列表）及其他資料項的資料庫。向量資料庫通常實現一種或多種近似最近鄰（Approximate Nearest Neighbor，ANN）演算法，使使用者可以使用查詢向量搜尋資料庫，以檢索最匹配的資料庫記錄。

向量是資料在高維空間中的數學表示。在這個空間中，每個維度對應資料的一個特徵，維度的數量從幾百到幾萬不等，具體取決於所表示資料的複雜性。向量在該空間中的位置代表其特徵。單詞、短語或整篇文件，以及圖像、音訊和其他類型的資料，都可以被向量化。

這些特徵向量可以通過機器學習方法從原始資料中計算得到，例如特徵提取演算法、詞嵌入或深度學習網路。其目標是使語意相似的資料項具有彼此接近的特徵向量。

向量資料庫可用於相似性搜尋、語意檢索、多模態搜尋、推薦系統、大型語言模型（LLM）、物體辨識等。

向量資料庫也常用於實現檢索增強生成（RAG），這是一種提高大型語言模型在特定領域回應能力的方法。RAG的檢索組件可以是任何搜尋系統，但最常見的實現方式是向量資料庫。首先，收集描述目標領域的文字文件，並對每個文件或文件片段計算特徵向量（稱為「句子嵌入」），通常使用深度學習網路進行計算，並將其儲存在向量資料庫中。當使用者提供查詢時，首先計算該查詢的特徵向量，並在資料庫中進行搜尋，以檢索最相關的文件。然後，這些文件會自動添加到大型語言模型的上下文窗口中，模型基於這個上下文生成對使用者查詢的回應。