◆ 博主名称： QuZhengRong
AI俘虏，样式苦手
⭐️
LuckReport专栏：
LuckReport
⭐️
SpringBoot专栏：
SpringBoot
⭐️
SpringCloud专栏：
SpringCloud
目录
- 一、向量数据库
-
- 1、什么是「向量」
- 2、什么是「向量数据库」
- 3、和传统数据库的区别
- 二、为什么需要向量数据库
- 三、向量数据库有哪些推荐
- 四、LuckReport 项目推荐
-
- 1、项目简介
- 2、在线体验
上一篇文章我们介绍了怎么安装和运行 Chroma 向量数据库，这一篇我们将视角拉回到底层，讲一下什么是向量数据库
作为 AI 时代的核心基础设施之一，向量数据库在 RAG 检索增强生成、智能问答、语义搜索等场景中都扮演着不可或缺的核心角色，是落地 AI 应用必须掌握的关键技术
一、向量数据库
1、什么是「向量」
在聊向量数据库之前，得先弄清楚什么是「向量」。AI 里说的向量，简单讲就是把文本、图片之类的东西，用一组数字表示出来。这组数字能表达原始内容的语义，语义越相近的内容，转换出来的数字向量在空间上离得越近
from sentence_transformers import SentenceTransformer
model = SentenceTransformer('BAAI/bge-small-zh')
# 把文本转成向量
text = "深度学习是机器学习的分支"
vector = model.encode(text)
print(vector.shape) # (384,) 一个384维的向量
print(vector[:5]) # [0.032, -0.117, 0.085, …] 每一维代表一个语义特征
2、什么是「向量数据库」
向量数据库干的事情就是：存储向量数据，并提供高效的相似性搜索能力
3、和传统数据库的区别
传统数据库（MySQL、PostgreSQL）擅长的是精确匹配，你存了「深度学习」，就只能搜到「深度学习」
向量数据库擅长的是相似性搜索，你搜「深度学习」，它能帮你找出「神经网络」「反向传播」「梯度下降」这些语义相关的内容
简单说，传统数据库是「字面匹配」，向量数据库是「意思匹配」
二、为什么需要向量数据库
向量数据库最典型的应用场景是 RAG（检索增强生成），也就是给大模型外挂一个知识库
先看 RAG 的流程：
1、准备阶段：用嵌入模型把知识库的文档都转成向量，存进向量数据库
2、用户提问：把用户的问题也用嵌入模型转成向量
3、检索：把问题向量送进向量数据库，找出语义最相近的几条知识
4、生成：把检索出来的结果喂给大模型，让大模型基于这些知识作答
没有向量数据库的话，大模型要么只能回答它训练数据里有的内容，要么就得把整个知识库塞进 prompt，Token 消耗爆炸。有了向量数据库，大模型就能基于外部知识库精准作答，而且成本可控
三、向量数据库有哪些推荐
| Milvus | 开源分布式 | 功能最全面，索引算法丰富，分布式架构，支持十亿到千亿级向量 | 十亿~千亿 | 高 |
| Qdrant | 开源高性能 | Rust 编写性能好，混合检索和 payload 过滤能力强 | 百万~十亿 | 中 |
| Weaviate | 开源+商业 | 向量+知识图谱双能力，内置混合检索，GraphQL 接口 | 百万~十亿 | 中高 |
| Chroma | 开源轻量 | 最轻量，Python 原生友好，5行代码跑起来 | 百万以下 | 极低 |
| pgvector | PG 扩展 | 零额外运维，适合已有 PostgreSQL 生态的场景 | 千万以下 | 低 |
| Pinecone | 商业托管 | 全托管零运维，但成本较高，有供应商锁定风险 | 百万~百亿 | 零运维 |
如果是本地开发调试，可以采用 Chroma 这种轻量级方案，几行代码就能跑起来
但如果要上生产环境，就得用专业的向量数据库，比如 Milvus、Qdrant ，它们有完善的分布式架构、索引优化、持久化存储，能扛住大规模数据的检索压力
四、LuckReport 项目推荐
导航：LuckReport专栏
1、项目简介
Luck-Report 是一款基于开源项目 UReport2 重构的 Java 高性能报表引擎，通过迭代单元格可以实现任意复杂的中国式报表。相较于 UReport2，Luck-Report 在技术架构上进行了全新升级，后端基于 SpringBoot 框架开发、前端采用 Vue 框架构建，技术选型贴合当下主流项目开发标准，可精准适配各类实际开发需求。
Luck-Report 提供了全新的基于网页的报表设计器，可以在 Chrome、Firefox、Edge 等各种主流浏览器运行（IE 浏览器除外）。使用 Luck-Report，打开浏览器即可完成各种复杂报表的设计制作。
Luck-Report 基于 Apache-2.0 开源协议开源
2、在线体验
- 体验地址：https://www.quzhe.top/luck-report/report/designer
- 源码地址：https://gitee.com/LuckyPools/luck-report
- 文档地址：https://www.quzhe.top/luck-report-blog/report
