---
title: "向量資料庫（Vector Database）"
slug: vector-database
language: zh-TW
source: https://aiterms.tw/terms/vector-database
updated_at: 2026-04-29
tags: [資料處理, 機器學習, 推薦系統, AI應用, 大型語言模型, Prompt工程]
ipas_term: false
---

# 向量資料庫（Vector Database）

> **你有沒有想過，搜尋不一定要靠字面完全一樣，也能找到意思相近的內容？**
> 你可以把向量資料庫想成「專門用來找語意相近資料的資料庫」
> 它先把文字、圖片或音訊轉成向量，再用相似度找最接近的內容
> 所以它特別適合檢索、推薦和 RAG
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 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
> **Q：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。
>
> **Q：它只能放文字嗎？**
> 不是，圖片、音訊和影片特徵都可以。
>
> **Q：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。
>

### 相關術語
> - **嵌入表示**：向量資料庫最核心的輸入就是它
> - **檢索增強生成**：很多生成系統都靠它接上知識庫
> - **餘弦相似度**：這是向量資料庫的基本能力
> - **知識庫**：很多實務系統會把它和知識庫一起用

---

來源：https://aiterms.tw/terms/vector-database
快查頁：https://aiterms.tw/terms/vector-database
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-vector-database