向量資料庫 是什麼？

Vector Database — 向量資料庫 的完整解釋

向量資料庫是一種專門儲存和檢索向量嵌入的資料庫，能高效處理高維度資料的相似性搜尋，廣泛應用於推薦系統和語義搜尋。

容易混淆

向量資料庫 vs 關聯式資料庫 向量資料庫靠相似度找資料 關聯式資料庫靠欄位和條件查資料 最關鍵的區別：意思相近還是欄位精準

向量資料庫 vs 搜尋引擎 向量資料庫重視語意距離 搜尋引擎更常做關鍵字和排序 最關鍵的區別：語意搜尋和字面搜尋

向量資料庫 vs 嵌入模型 向量資料庫負責存和找 嵌入模型負責把內容轉成向量 最關鍵的區別：儲存檢索和表示生成

記住這句就好

先把內容變向量，再用距離找出最像的那一群。

實際案例

客服知識庫 把 FAQ 轉成向量後，使用者即使換成別的說法，系統也能找出相近答案

圖片推薦 商品圖片編碼成向量後，可以用外觀相似度找出相似商品

算法與應用

| 嵌入表示 | 把內容轉成向量 | 是前置步驟 | | 相似度搜尋 | 找距離最近的向量 | 常用餘弦或內積 | | 索引結構 | 加速大量向量查找 | 不然查詢太慢 | | RAG | 把檢索內容送進生成模型 | 很常見的組合 |

情境判斷

Q1（直覺題）：你要找意思相近的 FAQ，向量資料庫有幫助嗎？ → 有幫助，因為它不只看關鍵字，還看語意相似度。

Q2（判斷題）：你要做精準欄位篩選，例如價格大於 1000，還適合只靠它嗎？ → 不適合，這種條件查詢關聯式資料庫更直接。

常見問題

向量資料庫一定要搭配大模型嗎？

不一定，但通常會先靠嵌入模型產生向量。

它只能放文字嗎？

不是，圖片、音訊和影片特徵都可以。

為什麼查得快很重要？

因為向量資料常常很大，沒有索引就會慢到不能用。