北京
搜索文檔時，結果看起來相關卻毫無意義；搜索概念時，返回的全是噪音。每個做AI的人都會遇到這個時刻——然后他們發現了向量數據庫。這篇文章講透背后的數學原理、架構設計和算法，更重要的是：單靠向量搜索，AI代理的記憶功能還差什么。
向量本質是一串數字，比如[0.12, -0.87, 0.44, ...]。它的威力在于這些數字代表的含義：神經網絡將一段內容的語義編碼成高維空間中的一個點。當嵌入模型（如OpenAI的text-embedding-3-large、Cohere的embed-v3或本地模型nomic-embed-text）處理句子時，通常輸出768到3072維的向量。每個維度捕捉內容的某個潛在特征——這些含義不是人工設定的，而是模型在訓練中自動學習的。
核心特性在于：語義相似的內容在這個空間中距離相近。"法國的首都"和"巴黎"生成的向量接近，"我最喜歡的三明治"和"巴黎"則相距甚遠。向量空間的距離≈概念距離。實際應用中，一段文本通過API調用轉化為約3072個數字，每個數字代表該句子的語義分量。
兩個向量之間的距離通常用余弦相似度（向量夾角）、歐氏距離（直線距離）或點積（幅度加權夾角）來衡量。文本場景最常用余弦相似度，因為它忽略向量幅度，只關注方向——即純粹的概念對齊程度。
向量數據庫有兩個核心工作流：寫入（將內容轉為存儲向量）和檢索（找到與查詢最相似的向量）。寫入流程分三步：嵌入——內容（文本、圖像、音頻、代碼）經過嵌入模型輸出密集數值向量，每段內容產生一個向量（若分塊則產生多個）；存儲——向量與元數據（ID、時間戳、來源、類別等后續過濾字段）一并保存，大多數數據庫將向量和元數據分開存儲以優化結構；索引——原始存儲不足以支持快速檢索，數據庫會構建向量索引，讓最近鄰搜索跳過暴力比對。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
