什么是向量数据库？
向量数据库以数字形式存储信息：
向量数据库是一种以高维向量形式存储数据的数据库。向量是特征或属性的数学表示。（来源）
这让快速、准确的相似度搜索成为可能。使用向量数据库时，你可以根据语义和上下文含义搜索相关数据，而不必采用传统数据库查询。
一个简化示例
向量数据库可以存储“n8n 是一款源代码可用、支持自托管的自动化工具”这句话。不过，它存储的不是文本，而是表示句子特征的维度数组，在此简化示例中使用 0 到 1 之间的数字 。这并不是把句子中的每个字母转换为数字，而是用向量来描述句子。
假设在某个向量存储中，0.1 表示 automation tool，0.2 表示 source available，0.3 表示 can be self-hosted，则可能得到以下向量：
| 句子 | 向量（维度数组） |
|---|---|
| n8n 是一款源代码可用、支持自托管的自动化工具 | [0.1, 0.2, 0.3] |
| Zapier 是一款自动化工具 | [0.1] |
| Make 是一款自动化工具 | [0.1] |
| Confluence 是一款支持自托管的 wiki 工具 | [0.3] |
信息
此示例经过大幅简化
实际向量远比这复杂，维度可能从数十到数千不等。维度与单一特征并非一一对应，因此无法将单个维度直接解释为单个概念。此示例仅用于帮助建立大致理解，不能代替准确的技术认识。
展示相似度搜索的能力
Qdrant 提供了向量搜索演示，帮助用户了解向量数据库的能力。其中的美食发现演示展示了如何利用向量存储，根据视觉相似性匹配图片。
此演示使用外卖服务的数据。用户可以对菜品照片表示喜欢或不喜欢，应用会根据外观推荐更多相似餐食。也可以选择只查看配送范围内餐厅的结果。（来源）
完整技术细节请参阅 Qdrant demo-food-discovery GitHub 仓库。
嵌入模型、检索器、文本分割器和文档加载器
向量数据库需要配合其他工具使用：
- 文档加载器和文本分割器：文档加载器获取文档和数据，为生成嵌入1做好准备。文档加载器可以使用文本分割器，将文档拆分为片段。
- 嵌入模型：将文本、图片等数据转换为向量，用于相似度检索；这不是将向量还原 为原始数据的过程。请注意，n8n 仅支持文本嵌入。
- 检索器：从向量数据库中获取相关文档。配合嵌入模型将查询转换为向量，再通过相似度搜索找到对应文档，而不是从向量逆向还原原始数据。
相关资源
Footnotes
本文为社区中文翻译。查看对应英文原文