深度學習知識地圖 · NLP 與 LLM
向量資料庫
儲存 Embedding
觀念教學
向量資料庫專門儲存高維度向量 (Embeddings)，支援語意搜尋，是 RAG 架構的核心基石。
白話說明
傳統資料庫用關鍵字搜尋（搜「蘋果」只找到有「蘋果」兩個字的文件），向量資料庫用語意搜尋（搜「水果」也能找到提到蘋果、香蕉的文件，因為向量距離近）。
怎麼運作
- 把文字/圖片用 Embedding 模型轉成向量
- 存進向量資料庫
- 查詢時也轉成向量，找最近的鄰居（ANN 近似最近鄰搜尋）
主流產品
Pinecone、Weaviate、Milvus、Chroma、Qdrant、pgvector（PostgreSQL 擴充）。
使用場景
RAG 知識庫檢索、語意搜尋、推薦系統、圖片以圖搜圖。
優點
語意級別的搜尋、毫秒級回應。
缺點
向量品質取決於 Embedding 模型、索引建立需要時間和記憶體。