向量数据库（Vector Database）是近年来随着大语言模型（LLM）和语义搜索发展而火起来的一种新型数据库。它的目标是支持基于“语义相似度”的高效搜索，与传统数据库按关键字精确匹配不同。 🧠 一、什么是“向量”？ 在 AI/NLP 中，一段文本、图像、音频都可以被编码为一个高维的浮点数数组，比如： 1"Java 是一种面向对象的编程语言" → [0.12, -0.33, 0.88, ..., 0.03] // 1536维 这个过程叫做 Embedding（嵌入） 转换之后的向量保留了原始内容的语义信息 两个意思相近的句子，它们的向量会在高维空间中非常接近 📚 二、向量数据库 VS 传统数据库 特点 传统数据库 (MySQL) 向量数据库 (Weaviate/Pinecone) 存储的数据 字符串、数字等 高维向量（float 数组） 支持的搜索方式 精确匹配、模糊匹配 向量相似度搜索（余弦/欧几里得） 应用场景 业务数据管理 语义搜索、图像检索、文档问答 🔍 三、向量数据库的核心功能✅ ...