向量数据库是专门存储、索引和查询向量数据的数据库。普通数据库擅长按字段精确查询，比如订单号等于多少；向量数据库擅长按相似度查询，比如哪几段文档和这个问题最接近。
为什么 AI 应用需要它
大模型应用经常要处理非结构化内容：文档、网页、客服记录、图片、音频。Embedding 模型会把这些内容转成高维向量，向量数据库负责把它们存起来，并在用户提问时快速找出最相似的内容。
它不是普通数据库的替代品
向量数据库解决的是语义相似搜索，不是替代 MySQL、PostgreSQL 或业务系统。真实项目里经常是两者配合：业务数据库保存用户、权限、订单、原文；向量数据库保存向量和文档片段索引；搜索时还要结合权限、时间、分类等元数据过滤。
选型时看什么
- 数据量和查询延迟：只是几万段文档，和上亿向量不是一回事。
- 过滤能力：企业知识库必须按部门、权限、时间过滤。
- 混合检索：只靠向量可能漏掉编号、产品名、代码这类精确词。
- 运维方式：自托管、云服务、嵌入式方案的成本差别很大。
常见误区
很多 RAG 项目答不准，不是因为向量数据库不够高级，而是文档切片、Embedding、权限、重排序和提示词没有调好。向量数据库是重要底座，但它只负责“更快找到相似内容”，不能自动保证答案正确。
